Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。这个项目的地址是http://hadoop.apache.org/core/。

PDFBox 是Java实现的PDF文档协作类库，提供PDF文档的创建、处理以及文档内容提取功能，也包含了一些命令行实用工具。 主要特性包括： 从PDF提取文本 合并PDF文档 PDF 文档加密与解密 与Lucene搜索引擎的集成

Apache PDFbox是一个开源的、基于Java的、支持PDF文档生成的工具库，它可以用于创建新的PDF文档，修改现有的PDF文档，还可以从PDF文档中提取所需的内容。Apache PDFBox还包含了数个命令行工具。

PDFBox 是Java实现的PDF文档协作类库，提供PDF文档的创建、处理以及文档内容提取功能，也包含了一些命令行实用工具。 主要特性包括： 从PDF提取文本 合并PDF文档 PDF 文档加密与解密 与Lucene搜索引擎的集成

Apache Solr 是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。Solr是一个开源的企业级搜索服务器，底层使用易于扩展和修改的Java来实现。服务器通信使用标准的HTTP和XML，所以如果使用Solr了解Java技术会有用却不是必须的要求。 Solr主要特性有：强大的全文检索功能，高亮显示检索结果，动态集群，数据库接口和电子文档（Word，PDF等）的处理。而且Solr具有高度的可扩展，支持分布搜索和索引的复制。

Apache POI 是用Java编写的免费开源的跨平台的 Java API，Apache POI提供API给Java程式对Microsoft Office格式档案读和写的功能。 　　Apache POI 是创建和维护操作各种符合Office Open XML（OOXML）标准和微软的OLE 2复合文档格式（OLE2）的Java API。用它可以使用Java读取和创建,修改MS Excel文件.而且,还可以使用Java读取和创建MS Word和MSPowerPoint文件。Apache POI 提供Java操作Excel解决方案（适用于Excel97-2008）。

使用xpdf来处理中文PDF文档 PDFBox看起来非常的方便，它的API功能强大。甚至能和Lucene进行无缝的结合。但是它有一个致命的弱点，就是它不支持中文。要提取中文的文本，可以采用另一个非常出色的工具xpdf。

WebKit 网页渲染引擎开发的用来将 HTML 文档转成 PDF 文档的工具，可以跟多种脚本语言进行集成来转换文档。 使用webkit将Web页面转成PDF文档 添头部和底部 生成TOC 支持批量转换 (Linux)

FontBox是一个开源的Java类库用于解析字体文件，提供了一个访问字体信息的底层数据结构。

1、一个jacob操作Word的例子，其他操作excel，pdf的sample里都有 　　import java.io.File; 　　import com.jacob.com.*; 　　import

这是一个文本编辑器，它能够将编写的内容存成PDF文档。它还可以读取现有的.rtf文档，并将其在编辑器中展示。vPDF拥有一个将RTF转PDF格式的转换器。 项目主页： http://www

I, Librarian 是一个 PDF 管理器和组织程序，可用来管理一系列的 PDF 文档。提供智能浏览和快速检索的功能。 项目主页： http://www.open-open

PdfMasher 是一个用来将 PDF 文档转成适合阅读的 HTML 格式。 PdfMasher is a tool to convert PDF articles (newspaper, academic)

是一个帮助人们将Docbook文档生成pdf,chm文件的工具。本工具简化了配置的过程，并提供自动生成代码的脚本。 本工具使用了以下程序 docbook xsl xsltproc apache fop

PDFContents 可以从 PDF 文件中提取章节目录，以列表形式展示。支持多级目录。 项目主页： http://www.open-open.com/lib/view/home/1389769921711

itextpdf.text.pdf.BaseFont; import com.itextpdf.text.pdf.PdfPCell; import com.itextpdf.text.pdf.PdfPTable;

PDF Mod 是一个简单的 PDF 文档编辑器软件。能够对页面进行重新排序、旋转和删除操作，能够对文档的标题、作者等元素进行编辑，也能够将图片导出或者导入到 PDF 文档里。 这款软件可以实现：

SharpPDF是一个C#类库，实现了各种不同的对象来创建PDF文档。使用非常简单，只要几个步骤。它能够创建100%兼容PDF的文档。 项目主页： http://www.open-open

GPdf 是 GNOME 桌面环境下的一个PDF文档阅读工具，基于Xpdf。 项目主页： http://www.open-open.com/lib/view/home/1326854631780

首先介绍一下pdfbox， 1、使用PDFBox处理PDF文档 PDF全称Portable Document Format，是Adobe公司开发的电子文件格式。这种文件格式与操作系统平台无关，可以在Windows、Unix或Mac