紙飛機

最近的研究要用論文來做統計資料，估計會有上千篇左右。

如果要針對每一篇論文做轉檔再給程式處理，那真是吃不消…

那…不如寫個PDF轉Text的程式吧！



我所用的IDE是Eclpise 3.2，
環境是WinXP Pro。

找資料的時候，同學給我一個網址，裡面列出提供這項功能的Java library：
http://schmidt.devlib.org/java/libraries-pdf.html

底下找到了一個PDFBox，看起來還蠻好用的：
http://www.pdfbox.org/
最重要的是，它是開放程式碼，免費使用！　

從那頁面，即可找到下載點，下載完就可以開始用囉。

抓完解壓縮後，使用ant來找到build檔安裝，
ant：　http://ant.apache.org/

完成後就可以開始用Java來做讀寫PDF動作。


至於它的語法，可以參考PDFBox頁面所說的：
A variety of examples can be found in the src/org/pdfbox/examples folder.
 This guide will refer to specific examples as needed.

到此，即使和我一樣的初學者，
也可以順利的處理PDF檔囉！　　


後記：

用Eclpise時，若出現：
java.lang.NoClassDefFoundError
這樣的訊息，只要把訊息後找不到的那個class加進外部參照就可以了！

另外，PDFBox並非支援所有的中文顯示，轉檔時會有亂碼產生。
我研究要用的樣本都是英文，所以一開始沒注意到這個缺點。 = ="

哈哈~~但它算很好使用的API，試過後會發現，
這和一般的讀檔、寫檔一樣簡單呢。  ^^