开源的Java PDF库，PDFBox 1.8.8 发布

PDFBox是一个开源的Java PDF库，这个库允许你访问PDF文件的各项信息。
PDFBox: www.pdfbox.org

它提供如下特性：

• 提取文本，包括Unicode字符。
  
• 和Jakarta Lucene等文本搜索引擎的整合过程十分简单。
  
• 加密/解密PDF文档。
• 从PDF和XFDF格式中导入或导出表单数据。
  
• 向已有PDF文档中追加内容。
• 将一个PDF文档切分为多个文档。
  
• 覆盖PDF文档。

import java.io.BufferedWriter;  import java.io.FileInputStream;  import java.io.FileWriter;    import org.pdfbox.pdfparser.PDFParser;  import org.pdfbox.util.PDFTextStripper;      public class PdfParser {       /**     * @param args     */     // TODO 自动生成方法存根           public   static   void   main(String[]   args)   throws   Exception{              FileInputStream   fis   =   new   FileInputStream("F:\\task\\lerman-atem2001.pdf");              BufferedWriter writer = new BufferedWriter(new FileWriter("F:\\task\\pdf_change.txt"));              PDFParser   p   =   new   PDFParser(fis);              p.parse();                      PDFTextStripper   ts   =   new   PDFTextStripper();                      String   s   =   ts.getText(p.getPDDocument());              writer.write(s);              System.out.println(s);              fis.close();              writer.close();                }  }

Apache PDFBox 1.8.8 发布，这是一个增量的 bug 修复版本，修复了大量的 bug，包括：

Bug    [PDFBOX-649] - loading an fdf containing a file attachment throws IOException  [PDFBOX-1036] - FDFExport/Import gives strange results  [PDFBOX-1060] - convertToImage includes "ghost" annotation outlines  [PDFBOX-1087] - FDF parsing is unreliable when xref are missing  [PDFBOX-1273] - java.io.IOException: Error: Unknown annotation type null  [PDFBOX-1512] - TextPositionComparator is not compatible with Java 7  [PDFBOX-1574] - ImportFDF fails to do anything  [PDFBOX-1595] - PDFMerger failed with the following exception:   java.lang.NullPointerException  [PDFBOX-1918] - PDF with incorrect startxref  [PDFBOX-2001] - Digital Signature information (parser bug?)  [PDFBOX-2015] - Hybrid reference pdf still contain XRefStm info in the trailer   dictionary after PDDocument#save  [PDFBOX-2173] - Nullpointer when validating empty file  [PDFBOX-2296] - Wrong stream length  [PDFBOX-2306] - Error reading stream, expected='endstream' actual='endobj'  [PDFBOX-2320] - IOException: Could not read embedded TTF for font TimesNewRoman  [PDFBOX-2332] - Error reading stream, expected='endstream' actual='endstream8'   at offset 1993  [PDFBOX-2342] - WriteDecodedDoc cant decrypt pdf form correctly  [PDFBOX-2351] - /XRefStm content missing in saved file  [PDFBOX-2356] - Error Validating PDF Archive Document with half hour timezone  [PDFBOX-2371] - Overlay page off by one when using -useAllPages  [PDFBOX-2376] - Small regression in text extraction with PDFBox 1.8.7 vs. 1.8.6  [PDFBOX-2377] - Apparent regression in character mapping in a few files from   govdocs1  [PDFBOX-2385] - inline image with EI at the end incorrectly parsed  [PDFBOX-2395] - Signing PDF document changes documentID  [PDFBOX-2401] - Image has wrong colors after Merge  [PDFBOX-2402] - NonSequentialPDFParser cannot recover from spurious closing brackets  [PDFBOX-2406] - fix typo "AlpaConstant"  [PDFBOX-2411] - Pushback buffer is full on seamingly small PDF  [PDFBOX-2412] - Loading XFDF document fails with ClassCastException  [PDFBOX-2413] - Loaded FDF document returns null fields  [PDFBOX-2419] - XFDF export is not XML compliant  [PDFBOX-2424] - ClassCastException in getMetaData if no real meta data  [PDFBOX-2434] - ClassCastException in readVersionInTrailer  [PDFBOX-2435] - ConvertToImage Appears To Invert Colors  [PDFBOX-2441] - Improve XRef self healing mechanism when more than one xref table  [PDFBOX-2443] - About to return NULL from unhandled branch when constructing a   PDJpeg  [PDFBOX-2449] - Character missing in text extraction  [PDFBOX-2455] - NonSequentialParser does not tolerate missing %%EOF markers  [PDFBOX-2458] - Signing doesn't work anymore using BC 1.51 instead of 1.50  [PDFBOX-2465] - NPE in PdfaExtensionHelper.populateSchemaMapping  [PDFBOX-2469] - javax.crypto.BadPaddingException in PDFBox 1.8.8-SNAPSHOT  [PDFBOX-2470] - Exception in PDDocument.addSignature(PDSignature sigObject,   SignatureInterface signatureInterface, SignatureOptions options))  [PDFBOX-2471] - AES encryption failing to write Acroform field names and values  [PDFBOX-2477] - NPE in DomXmpParser.createProperty  [PDFBOX-2478] - NPE in XObjImageValidator.checkColorSpaceAndImageMask  [PDFBOX-2481] - Adding large TYPE_BYTE_BINARY image to pdf document generates   distorted result  [PDFBOX-2483] - StackOverflowError in preflight  [PDFBOX-2484] - Cannot decrypt AES256 encrypted files with nonSeq parser  [PDFBOX-2488] - NPE in FontValidator.isSubSet in preflight  [PDFBOX-2490] - Return value of COSDocument#isEncrypted is unclear  [PDFBOX-2491] - NPE in PDFAIdentificationValidation.checkConformanceLevel()  [PDFBOX-2492] - Java 8u25 IllegalBlockSizeException decrypting pdf  [PDFBOX-2497] - GRAVE: FlateFilter: stop reading corrupt stream due to a   DataFormatException  [PDFBOX-2498] - ArrayIndexOutOfBoundsException in PreflightParser.lastIndexOf  [PDFBOX-2500] - ClassCastException in StreamValidationProcess.checkFilters  [PDFBOX-2502] - false negative? 1.4.6 : Trailer Syntax error, ID is different in   the first and the last trailer  [PDFBOX-2503] - false negative? 1: 7.2 : Error on MetaData, Producer present in   the document catalog dictionary doesn't match with XMP information  [PDFBOX-2504] - ClassCastException in preflight: PDAnnotationWidget cannot be   cast to PDField  [PDFBOX-2512] - OutOfMemory while signing large documents  [PDFBOX-2517] - Better error message on pdfA identification  [PDFBOX-2520] - Don't decrypt already decrypted pdfs  [PDFBOX-2521] - Don't throw IOException if stream length is missing in lenient mode  [PDFBOX-2522] - javax.crypto.IllegalBlockSizeException in ExtractText  [PDFBOX-2523] - IOException: Error: Expected a long type at offset 1218571,   instead got 'xref'  [PDFBOX-2528] - IOException: Object must be defined and must not be compressed   object: 0:0  [PDFBOX-2533] - Poor rendering with non-sequential parser  [PDFBOX-2541] - ClassCastException in BaseParser.parseCOSDictionaryValue    Improvement    [PDFBOX-543] - Document the dependencies of PDFBox  [PDFBOX-1224] - Angle units are not consistent  [PDFBOX-1648] - FontBox can't load CMaps with no spaces between tokens  [PDFBOX-1738] - PDF with parsing IOException  [PDFBOX-1798] - Performance problem with PDDocument.saveIncremental (when   signing document)  [PDFBOX-1833] - BaseParser tidy up  [PDFBOX-2197] - Add sample how to import a page as PDFormXObject  [PDFBOX-2250] - Improve XRef self healing mechanism  [PDFBOX-2394] - Add example code to extract embedded files in annotations  [PDFBOX-2414] - Allow non-sequential parser for PDFMerger in app  [PDFBOX-2456] - create TestSymmetricKeyEncryption.java  [PDFBOX-2468] - Switch FDFDocument.load from PDFParser to NonSequentialParser  [PDFBOX-2475] - Fix Checkstyle errors in the 1.8 branch  [PDFBOX-2480] - Add information about Snapshots to download section