Posts Tagged ‘lucene’

PDF文本转换工具

Posted on 2009/08/09, 11:25 pm, by zhangv, under 技术(Tech).

PDFBox 一组Java API用来获取pdf文件内容，可以直接转换为lucene可处理的document.
XPDF 一个开源工具，不是用java写的，内含一个pdftotext的命令行工具，可以把pdf转换为文本文件
pdftohtml 基于xpdf，可以把pdf转换为html
JPedal 一组java API用来获取pdf中的文本和图片
Simple Text Extractor Library 同样用来获取pdf中的文本，依赖PDFBox

Tags: ,
No Comments | Read the rest of this entry »