通过PDFBox程序运行多个PDF

Question

目前，我正在尝试使用Eclipse中的PDFBox通过文本阅读器在一个文件夹中运行多个PDF文件，该阅读器将提取某些术语并将它们输出到一个文本文件中，然后我将转换为excel表单。目前我有一个程序，它可以正确地工作在一个PDF文件：

public static void main（String args[])抛出IOException{

  //Loading an existing document
  File file = new File("ADE_acetylfuranoside_120319_pfister.pdf");
  PDDocument document = PDDocument.load(file);

  //Instantiate PDFTextStripper class
  PDFTextStripper pdfStripper = new PDFTextStripper();

  //Retrieving text from PDF document
  String text = pdfStripper.getText(document);

//...“提取文本的实际代码”...

  PrintStream o = new PrintStream(new File("output.txt"));
  PrintStream console = System.out; 
  System.setOut(o); 
  System.out.println(finalSheet);

我的问题是，我想在eclipse上通过这个程序在一个文件夹中运行500个PDF，而不是单独地将每个PDF的名称放入其中。我还想让它输出像：

Name1,Number1,ID1 Name2,Number2,ID2

但我认为它现在的编写方式，如果我运行多个PDF，它将只是覆盖第1行。

谢谢你的帮助！

Answer 1

对于第一部分，您可以只使用FileFilter类和FileFilter:

// directoryName could be as simple a "."
File folder = new File(directoryName);
File[] listOfFiles = folder.listFiles(new FileFilter() {
    @Override
    public boolean accept(File pathname) {
        return pathname.getName().toLowerCase().endsWith(".pdf");
    }
});

这将为您提供特定文件夹/目录中所有文件的file对象数组。现在您可以使用您所拥有的大部分代码来循环它。

在输出端，您可能希望将输出与输入相关联。我对您的代码有点困惑，我猜您只是想为每个输入文件提供一个输出文件。所以，也许，类似于：

// index is the value you used to loop through the `listOfFiles` array
try( FileWriter fileWriter = new FileWriter(listOfFiles[index].getName() + ".output.txt" ) ) {
    fileWriter.write( // the String text you want in the file );
}

这将创建一个名为“ade_acetylfuranoside_120319_pfister.pdf.output.txt”的文件（取自您的示例）。显然这可能会改变。在这种情况下，将为每个输入文件创建一个新文件。