PDFファイルをXMLファイルに変換するためのプロトタイプを作成しようとしています。結果は少し奇妙で、すべての文字がシンボルになります。StringBufferバグは、がバイト配列からデータを取得する場所にあると思います。Javaの知識を持っている人が助けてくれますか？
このプロトタイプソフトウェアはiTextAPIを使用しています。PDFファイルを読むために、PDFReaderクラスを使用しました。データは最初にバイト配列に変換され、次に、を使用してStringbuffer再び文字列に変換されます。次にStreamResult、XMLで変換された結果のホルダーとして機能するものを使用しました。
その後、TransformerクラスはさまざまなソースからのXMLを処理し、変換出力をさまざまなシンクに書き込みます。次にTransformerHandler、SAXをリッスンしContentHandler、イベントを解析して結果に変換します。
メソッドstartElement()とendElement()ofTransformerHandlerクラスは、xmlファイルにタグを作成しました。パーサーは、XMLドキュメントのすべてのstartElement()要素の最初とすべての要素の最後でメソッドを呼び出しました。endElement()
import com.lowagie.text.*;
import com.lowagie.text.pdf.*;
import java.io.*;
import javax.xml.parsers.*;
import javax.xml.transform.*;
import javax.xml.transform.sax.*;
import javax.xml.transform.stream.*;
import org.xml.sax.*;
import org.xml.sax.helpers.*;
public class Cp2x {
static StreamResult streamResult;
static TransformerHandler handler;
static AttributesImpl atts;
public static void main(String[] args) throws IOException {
try {
Document document = new Document();
document.open();
PdfReader reader = new PdfReader("C:\\helloworld.pdf");
PdfDictionary page = reader.getPageN(1);
PRIndirectReference objectReference = (PRIndirectReference) page
.get(PdfName.CONTENTS);
PRStream stream = (PRStream) PdfReader
.getPdfObject(objectReference);
byte[] streamBytes = PdfReader.getStreamBytes(stream);
PRTokeniser tokeniser = new PRTokeniser(streamBytes);
StringBuffer string_buffer = new StringBuffer();
while (tokeniser.nextToken()) {
if (tokeniser.getTokenType() == PRTokeniser.TK_STRING) {
string_buffer.append(tokeniser.getStringValue());
}
}
String test = string_buffer.toString();
streamResult = new StreamResult("test.xml");
initXML();
process(test);
closeXML();
document.add(new Paragraph(".."));
document.close();
} catch (Exception e) {
}
}
public static void initXML() throws ParserConfigurationException,
TransformerConfigurationException, SAXException {
SAXTransformerFactory tf = (SAXTransformerFactory) SAXTransformerFactory
.newInstance();
handler = tf.newTransformerHandler();
Transformer serializer = handler.getTransformer();
serializer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
serializer.setOutputProperty(
"{http://xml.apache.org/xslt}indent-amount", "4");
serializer.setOutputProperty(OutputKeys.INDENT, "yes");
handler.setResult(streamResult);
handler.startDocument();
atts = new AttributesImpl();
handler.startElement("", "", "Document", atts);
}
public static void process(String s) throws SAXException {
String[] elements = s.split("\\|");
atts.clear();
handler.startElement("", "", "Note", atts);
handler.characters(elements[0].toCharArray(), 0, elements[0].length());
handler.endElement("", "", "Note");
}
public static void closeXML() throws SAXException {
handler.endElement("", "", "Document");
handler.endDocument();
}
}