如何从pdf文献里抽取 主要是标题、作者、摘要和关键字

[tianyalangren]

各位大虾，请教一下你们了。
如何从pdf文献里抽取 主要是标题、作者、摘要和关键字

[diggywang]

http://blog.csdn.net/bainian/archive/2006/06/14/796242.aspx
http://blog.csdn.net/lyj_china/archive/2006/06/19/812682.aspx

[whycloud]

LZ所要的这些信息，很容易取得的，你用记事本打开PDF就会发现，这些信息都记录在标签下的~！
只有PDF中的具体文本内容、图片、格式等等是以流的形式保存的。所以类似与标题、作者、版本等等这样的信息是直接可以从PDF中读取的~！

[flyonet]

iText

[heyingying]

flyonet，请问：“你用记事本打开PDF就会发现，这些信息都记录在标签下的~！”
是什么意思啊，记录在标签下？什么标签下？能不能说得详细一点呢？谢谢了

[infowain]

iText

[heyingying]

whycloud(云木) :
请问：“你用记事本打开PDF就会发现，这些信息都记录在标签下的~！”
是什么意思啊，记录在标签下？什么标签下？能不能说得详细一点呢？谢谢了

[heyingying]

还是不明白唉
eg1 我用记事本打开的pdf文档显示的是乱码，根本无法提取想要的信息
eg2 云木是用iText包进行处理的吧？我不太了解这个包，对于抽取上述信息的过程，不知能否讲得更加详细一点
我自己用的是pdfbox包，里面有获取标题、作者、关键字等信息的函数，但是得到的值大部分是null

[Student02370236]

http://community.csdn.net/Expert/topic/4871/4871668.xml?temp=.5329859

[whycloud]

你可以采用iText做这些信息的抽取，至于文档里的具体内容我也正在研究，关于你所说的那些信息我到是可以给你个例子，
eg1
用记事本打开的意思，就是用右键点击某个PDF文件（不能是加密的），打开方式选择记事本。
用“记事本”直接打开PDF文件，直接就可以找出你所需要的信息，所以可以自己以一个文件流的形式，去根据判断读取的内容再生成字符串

eg2
import java.util.HashMap;
import java.util.Iterator;
import java.util.ListIterator;
import java.util.Map;

import com.lowagie.text.pdf.*;
public class test {
public static void main(String[] args){
String file="c:\\00.pdf";
try{
PdfReader reader=new PdfReader(file);
HashMap map= new HashMap();
Iterator iterator;

/*
map=reader.getInfo();
System.out.println("getInfo");
Iterator iterator=map.entrySet().iterator();
for (int i=0;i<map.size();i++){
Map.Entry entry=(Map.Entry)iterator.next();
System.out.print("Key:"+entry.getKey()+"\t");
System.out.println("Value:"+entry.getValue());
}
*/

}catch(Exception e){
e.printStackTrace();
}
}
}

[whycloud]

不好意思，忘了把注释去掉了，注释的部分是关键
另外补充一点，不要常识用iText去显示一个PDF文件，官方已经公布了那样做是不可以的

[luoqt]

iText