PDF umwandeln in einen Text

[bosschris1313]

Hallo

naja bastle jetzt schon länger an diesem problem herum.
verwende PDFBox

FileInputStream oIsInput = new FileInputStream(oFile.getAbsolutePath());
PDFParser oPDF = new PDFParser(oIsInput);
oPDF.parse();
oPDF.getPDDocument();

System.out.println(oSt.getText(oPDF.getPDDocument()));

Wenn ich jetzt die Methode parse() aufrufe, geht diese leider nicht bzw sie kann nicht parsen.

Hat jemand eine Idee.

Ps. Um auf das ganze Problem einzugehen. Möchte mit Lucene in Dateien nach Begriffen suchen.
naja excel,word ,html usw geht aber leider keine pdf-Datei. Vielleicht weiss hier einer bescheid .

Gruss Chris

 

[TRunKX]

...oh das klingt mal interessant. Also du willst nach Deteinamen in Dateien suchen? und eine pdf macht dir das Leben schwer? dann fang doch mal damit an das was du da oben an code generiert hast mitm System.out.println(""); mal auszugeben dann wirst du deinen Gehler vermutlich schon sehen!

 

[bosschris1313]

hallo danke mal das einer anwortet und das so schnell

naja ich habe das problem mit der methode parse()

DEBUG [main] (BaseParser.java:727) - parseCOSName() org.pdfbox.io.PushBackInputStream@949f69
DEBUG [main] (BaseParser.java:983) - parseDirObject() done retval=COSName{PDF}
DEBUG [main] (BaseParser.java:851) - parseDirObject() org.pdfbox.io.PushBackInputStream@949f69
DEBUG [main] (BaseParser.java:727) - parseCOSName() org.pdfbox.io.PushBackInputStream@949f69
DEBUG [main] (BaseParser.java:983) - parseDirObject() done retval=COSName{Text}
DEBUG [main] (BaseParser.java:697) - parseCOSArray() done peek='>'
DEBUG [main] (BaseParser.java:983) - parseDirObject() done retval=COSArray{[COSName{PDF}, COSName{Text}]}
DEBUG [main] (BaseParser.java:254) - parseCOSDictionary() done peek='47'
DEBUG [main] (BaseParser.java:983) - parseDirObject() done retval=org.pdfbox.cos.COSDictionary@1ffc686
DEBUG [main] (BaseParser.java:727) - parseCOSName() org.pdfbox.io.PushBackInputStream@949f69


Da bekomme ich nur diese Ausgabe. Er kann es nicht parsen damit java den Text lesen kann.

 

[bosschris1313]

PDDocument pdfDocument = null;

String contents = "";

try {
FileInputStream input = new FileInputStream(new File(oFile.getAbsolutePath()));
pdfDocument = PDDocument.load(input);
if (pdfDocument.isEncrypted()) {
pdfDocument.decrypt("");
}
StringWriter writer = new StringWriter();
PDFTextStripper stripper = new PDFTextStripper();
stripper.writeText(pdfDocument, writer);
contents = writer.getBuffer().toString();
System.out.println("" + contents);
}
catch (Exception e) {

}

mit dem habe ich das gleiche Problem
leider

 

[Elephant]

Hallo, ich habe Deinen letzten Code bei mir ausprobiert und es hat funktioniert. Vielleicht liegt es an der PDF-Datei.