我总结出了很多互联网公司的面试题及答案，并整理成了文档，以及各种学习的进阶学习资料，免费分享给大家。
扫描二维码或搜索下图红色VX号，加VX好友，拉你进【程序员面试学习交流群】免费领取。也欢迎各位一起在群里探讨技术。
推荐文章：Java 面试知识点解析；Mysql优化技巧（数据库设计、命名规范、索引优化
第三方软件
1、pdfbox
PDFBox 0.7.3。PDFBox是一个开源的对pdf文件进行操作的库。 PDFBox-0.7.3.jar加入classpath。同时FontBox1.0.jar加入classpath，否则报错:
Exception in thread "main" java.lang.NoClassDefFoundError: org/fontbox/afm/FontMetric
Caused by: java.lang.ClassNotFoundException: org.fontbox.afm.FontMetric
代码1
1 import java.io.FileInputStream; 2 import java.io.FileNotFoundException; 3 import java.io.IOException; 4 5 import org.pdfbox.pdfparser.PDFParser; 6 import org.pdfbox.pdmodel.PDDocument; 7 import org.pdfbox.util.PDFTextStripper; 8 9 public class PdfReader { 10 /** 11 * simply reader all the text from a pdf file. 12 * You have to deal with the format of the output text by yourself. 13 * 2008-2-25 14 * @param pdfFilePath file path 15 * @return all text in the pdf file 16 */ 17 public static String getTextFromPDF(String pdfFilePath) 18 { 19 String result = null; 20 FileInputStream is = null; 21 PDDocument document = null; 22 try { 23 is = new FileInputStream(pdfFilePath); 24 PDFParser parser = new PDFParser(is); 25 parser.parse(); 26 document = parser.getPDDocument(); 27 PDFTextStripper stripper = new PDFTextStripper(); 28 result = stripper.getText(document); 29 } catch (FileNotFoundException e) { 30 // TODO Auto-generated catch block 31 e.printStackTrace(); 32 } catch (IOException e) { 33 // TODO Auto-generated catch block 34 e.printStackTrace(); 35 } finally { 36 if (is != null) { 37 try { 38 is.close(); 39 } catch (IOException e) { 40 // TODO Auto-generated catch block 41 e.printStackTrace(); 42 } 43 } 44 if (document != null) { 45 try { 46 document.close(); 47 } catch (IOException e) { 48 // TODO Auto-generated catch block 49 e.printStackTrace(); 50 } 51 } 52 } 53 return result; 54 } 55 public static void main(String[] args) 56 { 57 String str=PdfReader.getTextFromPDF("C:\Read.pdf"); 58 System.out.println(str); 59 60 } 61 }
参考: http://daning.iteye.com/blog/165284
代码2
1 import java.io.File; 2 import java.io.FileOutputStream; 3 import java.io.OutputStreamWriter; 4 import java.io.Writer; 5 import java.net.MalformedURLException; 6 import java.net.URL; 7 import org.pdfbox.pdmodel.PDDocument; 8 import org.pdfbox.util.PDFTextStripper; 9 public class PDFReader { 10 public void readFdf(String file) throws Exception { 11 // 是否排序 12 boolean sort = false; 13 // pdf文件名 14 String pdfFile = file; 15 // 输入文本文件名称 16 String textFile = null; 17 // 编码方式 18 String encoding = "UTF-8"; 19 // 开始提取页数 20 int startPage = 1; 21 // 结束提取页数 22 int endPage = Integer.MAX_VALUE; 23 // 文件输入流，生成文本文件 24 Writer output = null; 25 // 内存中存储的PDF Document 26 PDDocument document = null; 27 try { 28 try { 29 // 首先当作一个URL来装载文件，如果得到异常再从本地文件系统//去装载文件 30 URL url = new URL(pdfFile); 31 //注意参数已不是以前版本中的URL.而是File。 32 document = PDDocument.load(pdfFile); 33 // 获取PDF的文件名 34 String fileName = url.getFile(); 35 // 以原来PDF的名称来命名新产生的txt文件 36 if (fileName.length() > 4) { 37 File outputFile = new File(fileName.substring(0, fileName 38 .length() - 4) 39 + ".txt"); 40 textFile = outputFile.getName(); 41 } 42 } catch (MalformedURLException e) { 43 // 如果作为URL装载得到异常则从文件系统装载 44 //注意参数已不是以前版本中的URL.而是File。 45 document = PDDocument.load(pdfFile); 46 if (pdfFile.length() > 4) { 47 textFile = pdfFile.substring(0, pdfFile.length() - 4) 48 + ".txt"; 49 } 50 } 51 // 文件输入流，写入文件倒textFile 52 output = new OutputStreamWriter(new FileOutputStream(textFile), 53 encoding); 54 // PDFTextStripper来提取文本 55 PDFTextStripper stripper = null; 56 stripper = new PDFTextStripper(); 57 // 设置是否排序 58 stripper.setSortByPosition(sort); 59 // 设置起始页 60 stripper.setStartPage(startPage); 61 // 设置结束页 62 stripper.setEndPage(endPage); 63 // 调用PDFTextStripper的writeText提取并输出文本 64 stripper.writeText(document, output); 65 } finally { 66 if (output != null) { 67 // 关闭输出流 68 output.close(); 69 } 70 if (document != null) { 71 // 关闭PDF Document 72 document.close(); 73 } 74 } 75 } 76 /** 77 * @param args 78 */ 79 public static void main(String[] args) { 80 // TODO Auto-generated method stub 81 PDFReader pdfReader = new PDFReader(); 82 try { 83 // 取得E盘下的SpringGuide.pdf的内容 84 pdfReader.readFdf("C:\Read.pdf"); 85 } catch (Exception e) { 86 e.printStackTrace(); 87 } 88 } 89 }
参考：http://blog.csdn.net/weijie_search/article/details/2662189
2、抽取支持中文的pdf文件－xpdf
xpdf是一个开源项目，我们可以调用他的本地方法来实现抽取中文pdf文件。
下载xpdf函数包：
http://www.java-cn.com/technology/tech_downs/1880_004.zip
同时需要下载支持中文的补丁包：
http://www.java-cn.com/technology/tech_downs/1880_005.zip
按照readme放好中文的patch，就可以开始写调用本地方法的java程序了
下面是一个如何调用的例子：
1 import java.io.*; 2 /** 3 * <p>Title: pdf extraction</p> 4 * <p>Description: email:[email protected]</p> 5 * <p>Copyright: Matrix Copyright (c) 2003</p> 6 * <p>Company: Matrix.org.cn</p> 7 * @author chris 8 * @version 1.0,who use this example pls remain the declare 9 */ 10 11 12 public class PdfWin { 13 public PdfWin() { 14 } 15 public static void main(String args[]) throws Exception 16 { 17 String PATH_TO_XPDF="C:Program Filesxpdfpdftotext.exe"; 18 String filename="c:a.pdf"; 19 String[] cmd = new String[] { PATH_TO_XPDF, "-enc", "UTF-8", "-q", filename, "-"}; 20 Process p = Runtime.getRuntime().exec(cmd); 21 BufferedInputStream bis = new BufferedInputStream(p.getInputStream()); 22 InputStreamReader reader = new InputStreamReader(bis, "UTF-8"); 23 StringWriter out = new StringWriter(); 24 char [] buf = new char[10000]; 25 int len; 26 while((len = reader.read(buf))>= 0) { 27 //out.write(buf, 0, len); 28 System.out.println("the length is"+len); 29 } 30 reader.close(); 31 String ts=new String(buf); 32 System.out.println("the str is"+ts); 33 } 34 }
参考:http://blog.csdn.net/lyd518/article/details/2318224
3、iText
iText作为在Java中处理PDF文档的工具被广泛使用，各种开源项目中都比较常见。现在就使用iText提供的API将PDF文档中的文本信息导出为纯文本，虽然现在很多工具中都已经支持这样的操作，这是第一步也算是读取PDF文件最常见的需求。
首先下载iText包，地址为http://sourceforge.net/projects/itext/，最新版本为5.1.2，完整包名为iText-5.1.2.zip，解压后将得到一组jar包，我们要使用的是里面的itextpdf-5.1.2.jar。在本地配置好Java编译和运行环境后，编写如下示例代码：
1 import java.io.IOException; 2 3 import com.itextpdf.text.pdf.PdfReader; 4 import com.itextpdf.text.pdf.parser.PdfReaderContentParser; 5 import com.itextpdf.text.pdf.parser.SimpleTextExtractionStrategy; 6 import com.itextpdf.text.pdf.parser.TextExtractionStrategy; 7 8 public class PDFReader { 9 10 /** 11 * @param args 12 * @throws IOException 13 */ 14 public static void main(String[] args) throws IOException { 15 System.out.print(getPdfFileText("E:\test\plugindoc.pdf")); 16 } 17 18 public static String getPdfFileText(String fileName) throws IOException { 19 PdfReader reader = new PdfReader(fileName); 20 PdfReaderContentParser parser = new PdfReaderContentParser(reader); 21 StringBuffer buff = new StringBuffer(); 22 TextExtractionStrategy strategy; 23 for (int i = 1; i <= reader.getNumberOfPages(); i++) { 24 strategy = parser.processContent(i, 25 new SimpleTextExtractionStrategy()); 26 buff.append(strategy.getResultantText()); 27 } 28 return buff.toString(); 29 } 30 31 }
参考:http://blog.csdn.net/mscf/article/details/6957061
1,2都不能读出目标pdf，其它pdf可以
3.1能够读出目标pdf，但是按页读取的，没法按行读取
代码2 按行读取
仿照iTextsharp
1 package com.iText.read.pdf; 2 3 4 import java.io.IOException; 5 import java.util.Arrays; 6 7 import com.itextpdf.text.pdf.PdfReader; 8 9 public class PdfIO { 10 11 ///<summary> 12 ///读取单个或多个pdf 13 ///</summary> 14 ///<returns>文件内容字符串</returns> 15 @SuppressWarnings("null") 16 public static String readPdf(String fileName) throws IOException 17 { 18 19 PdfReader p = new PdfReader(fileName); 20 //从每一页读出的字符串 21 String str = null; 22 //"[......]"内部字符串 23 String subStr =null; 24 //函数返回的字符串 25 StringBuffer rtBuf=new StringBuffer(); 26 27 String rtStr=null; 28 29 //"[","]","(",")"在字符串中的位置 30 int bg = 0, ed = 0, subbg = 0, subed = 0; 31 32 33 34 //":"前面的字符串 35 String fc =null; 36 37 //":"前面的字符串 38 String bc =null; 39 40 41 42 //取得文档总页数 43 int pg = p.getNumberOfPages(); 44 45 46 // ExcelIO ei = new ExcelIO(); 47 for (int i = 1; i <= 1; i++) 48 { 49 50 51 bg = 0; 52 ed = 0; 53 54 //Arrays.fill(b, 0); 55 56 //从每一页读出的8位字节数组 57 byte[] b = new byte[0]; 58 //取得第i页的内容 59 b = p.getPageContent(i); 60 61 //下一行是把每一页的取得的字节数据写入一个txt的文件,仅供研究时用 62 //System.IO.File.WriteAllBytes(Application.StartupPath + "//P" + i.ToString() + ".txt", b); 63 64 StringBuilder sb = new StringBuilder(); 65 66 //取得每一页的字节数组,将每一个字节转换为字符,并将数组转换为字符串 67 for (int j = 0; j < b.length; j++) sb.append((char)(b[j])); 68 str = sb.toString(); 69 70 //return str; 71 72 if (str.indexOf("[") >= 0) 73 { 74 75 //循环寻找"["和"]",直到找不到"["为止 76 while (bg > -1) 77 { 78 //取得下一个"["和"]"的位置 79 bg = str.indexOf("[", ed); 80 ed = str.indexOf("]", bg + 1); 81 82 //如果没有下一个"["就跳出循环 83 if (bg == -1) break; 84 85 //取得一个"[]"里的内容,将开始寻找"("和")"的位置初始为0 86 subStr = str.substring(bg + 1, ed - bg - 1); 87 subbg = 0; 88 subed = 0; 89 90 //循环寻找下一个"("和")",直到没有下一个"("就跳出循环 91 while (subbg > -1) 92 { 93 //取得下一对"()"的位置 94 subbg = subStr.indexOf("(", subed); 95 subed = subStr.indexOf(")", subbg + 1); 96 97 //如找不到下一对就跳出 98 if (subbg == -1) break; 99 //在返回字符串后面加上新找到的字符串 100 rtStr = subStr.substring(subbg + 1, subed - subbg - 1); 101 102 103 104 } 105 rtStr+= rtStr + "|"; 106 } 107 return rtStr; 108 } 109 else 110 { 111 //每页的行数 112 int lineNumber = 0; 113 while (bg > -1) 114 { 115 //取得下一个"("和")"的位置 116 bg = str.indexOf("(", ed); 117 ed = str.indexOf(")", bg + 1); 118 //如果没有下一个"["就跳出循环 119 if (bg == -1) break; 120 //每行加个'|'为以后分隔准备,为什么不用"/n/r",因为不需要换行功能 121 //rtStr += str.substring(bg + 1, ed-1) + "|"; 122 123 String rtStrTemp = str.substring(bg + 1, ed-1); 124 125 rtBuf.append(rtStrTemp); 126 rtBuf.append("|"); 127 128 } 129 rtStr=rtBuf.toString(); 130 131 132 } 133 134 135 } 136 if (p != null) 137 { 138 p.close(); 139 } 140 141 return rtStr; 142 143 144 } 145 146 }
转载：https://www.cnblogs.com/wangwiz/p/9172690.html
推荐内容：
java实现回溯算法
Java自定义注解
50道Java线程面试题汇总
Java面试处理高并发
java面试常考题
Java进阶篇（三）——Java集合类
为什么说 Java 程序员到了必须掌握 Spring Boot 的时候？
Java JDBC连接Oracle
java-jmx使用
一个两年Java的面试总结