我试图使用pdfbox从PDF文件中提取文本，但不是作为命令行工具，而是在我的Java应用程序中 . 我正在使用jsoup下载pdf .
res = Jsoup
.connect(host+action)
.ignoreContentType(true)
.data(data)
.cookies(cookies)
.method(Method.POST)
.timeout(20*1000)
.execute();
// prepare document
InputStream is = new ByteArrayInputStream(res.bodyAsBytes());
PDDocument pdf = new PDDocument();
pdf.load(is,true);
// extract text
PDFTextStripper stripper = new PDFTextStripper();
String text = stripper.getText(pdf);
// print extracted text
System.out.println(text);
此代码仅打印空行 . 我这样做的时候：
System.out.println(res.body());
它打印pdf文件输出如下：
%PDF-1.4
%����
6 0 obj
<<
/Filter /FlateDecode
/Length 1869
>>
stream
x��X�n��
...
<<
/Size 28
/Info 27 0 R
/Root 26 0 R
>>
startxref
20632
%%EOF
所以我确信pdf正确下载 - 只是这个PDF剥离器不起作用......
----------------------------------------------编辑
这个问题解决了 - 工作代码在这里http://thottingal.in/blog/2009/06/24/pdfbox-extract-text-from-pdf/
1 回答
（问题在评论中回答 . 见Question with no answers, but issue solved in the comments (or extended in chat)）
@WeloSefer写道：
OP写道：