JAVA网站制作之整合PDF和Java手艺
net程序员的大部门代码都靠控件拖拽完成的，虽然java也有，但是无论从美观和速度上都没发和.net比。java程序员都是代码完成的，所以java程序员常戏称.net程序员是操作员，呵呵。择要 自从Adobe公司1993年第一次公布大众PDF参考以来，撑持各类言语战争台的PDF工具和类库就如雨后春笋般出现。但是，Java使用开辟中Adobe手艺的撑持绝对滞后了。 自从Adobe公司1993年第一次公布大众PDF参考以来，撑持各类言语战争台的PDF工具和类库就如雨后春笋般出现。但是，Java使用开辟中Adobe手艺的撑持绝对滞后了。这是个奇异的征象，由于PDF文档是企业信息体系存储和互换信息的局势所趋，而Java手艺出格合适这类使用。但是，Java开辟职员仿佛直到比来才取得成熟可用的PDF撑持。 PDFBox（一个BSD允许下的源码开放项目）是一个为开辟职员读取和创立PDF文档而筹办的纯Java类库。它供应以下特征：提取文本，包含Unicode字符。和JakartaLucene等文本搜刮引擎的整合历程非常复杂。加密/解密PDF文档。从PDF和XFDF格局中导进或导出表双数据。向已有PDF文档中追加内容。将一个PDF文档切分为多个文档。掩盖PDF文档。 PDFBoxAPI PDFBox计划时接纳面向对象的体例来形貌PDF文档。PDF文档的数据是一系列基础对象的汇合：数组，布尔型，字典，数字，字符串和二进制流。PDFBox在org.pdfbox.cos包（COS模子）中界说这些基础对象范例。你可使用这些对象与PDF文档举行任何交互，但你应当先对PDF文档外部布局和高层观点作一些深切的懂得。比方，页面和字体都是带有特别属性的字典对象；PDF参考手册供应这些特别属性的寄义和范例的申明，但这是一个单调的文档查阅历程。 因而，org.pdfbox.pdfmodel包（PD模子）应运而生，它的基本是COS模子，但供应了以一种熟习的体例会见PDF文档对象的高层API。对底层COS模子举行了封装的PDPage和PDFont等类就在这个包中。 注重，固然PD模子供应了一些优异的功效，但它仍然是一个开辟中的模子。在有些实例中，你大概必要借助于COS模子才干会见PDF的特定功效性。一切的PD模子对象都供应前往响应的COS模子对象的办法。以是，在一样平常情形下，你城市利用PD模子，但PD模子力所不及时你能够间接操纵底层的COS模子。 上文对PDFBox作了大致上的先容，如今是举一些例子的时分了。我们从怎样读已存在的PDF文档入手下手：PDDocumentdocument=PDDocument.load("./test.pdf"); 下面的语句剖析指定的PDF文件并在内存中创立其文档对象。思索各处理年夜文档时的效力成绩，PDFBox只在内存中存储文档布局，图象、内嵌字体和页面内容等对象将被缓存在一个一时文件中。 注重：PDDocument对象利用终了时必要挪用其close()办法来开释创立时利用的资本。 文本提取和Lucene整合 这是一个信息展示时期（aninformationretrievalage），不论信息寄存在哪一种媒体中，使用程序都应当撑持检索和索引。对信息举行构造和分类从而构成可检索的格局是很关头的。这关于文本文档和HTML文档来讲是很复杂的，但PDF文档包括大批的布局和元信息，提取文档内容决不是一件复杂的事变。PDF言语和Postscript类似，两者中的对象都是作为矢量绘制在页面的某些地位。比方：/Helv12Tf013.0847Td(HelloWorld)Tj 下面的指令将字体设为12号的Helvetica，移到下一行然后打印“HelloWorld”。这些命令流畅常是经由紧缩的，笔墨在屏幕上的显现按次其实不必定是文件中的字符呈现按次。因而，你偶然没法间接从原始PDF文档中提取字符串。但是，PDFBox成熟的文本提取算法使得开辟职员能够提取文档内容，就像在浏览器中出现的那样。 Lucene是ApacheJakarta项目标子项目，它是一个盛行的源代码开放的搜刮引擎库。开辟职员可使用Lucene来创立索引，并基于该索引对大批的文本内容举行庞大的检索。Lucene只撑持文本内容的检索，以是开辟职员必要将其他情势的数据转换为文本情势才干利用Lucene。比方，MicrosoftWord和StarOffice文档都必需先转换为文本情势才干增加到Lucene索引中。 PDF文件也不破例，但PDFBox供应一个特别的整合对象，这让在Lucene索引中包括PDF文档变得十分简单。将一个基础PDF文档转换为Lucene文档只必要一条语句：Documentdoc=LucenePDFDocument.getDocument(file); 这条语句剖析指定的PDF文档，提取其内容并创立一个Lucene文档对象。然后你就能够将该对象增加到Lucene索引中了。如上文所述，PDF文档中也包括作者信息和关头词等元数据，在索引PDF文档时对这些元数据举行跟踪时很主要的。表1列出了创立Lucene文档时PDFBox将填写（populate）的字段。 这类整合使得开辟职员能够轻松地利用Lucene来撑持PDF文档的检索和索引。固然，有些使用程序请求更成熟的文本提取办法。此时能够间接利用PDFTextStripper类，或承继该类来满意这类庞大的需求。 经由过程承继PDFTextStripper并掩盖showCharacter()办法，你能够从很多方面临文本提取举行把持。比方，利用x、y地位信息举行限定以提取特定文本块。你能够无效地疏忽一切的y坐标年夜于某个值的文本，如许文档头部内容就会被扫除。 另外一个例子。经常有这类情形：从表单创立了一组PDF文档，但这些原始数据被丧失了。也就是说，这些文档都包括一些你感乐趣的文本，并且这些文本都在类似的地位上，但添补文档的表双数据丧失了。比方，你有一些信封，在不异的地位上都着名字和地点信息。这时候，你就能够利用PDFTextStripper的派生类来提取希冀的字段，这个类就像一种截取屏幕地区的设备。 加密/解密 PDF的一个盛行特征是同意对文档内容举行加密、对会见举行把持，限定只能浏览未加密文档。PDF文档加密时接纳一个主暗码和一个可选的用户暗码。假如设定了用户暗码，那末PDF浏览器（如Acrobat）将在显现文档之条件示输出暗码。而主暗码则用于受权修正文档内容。 PDF标准同意PDF文档的创立者对用户利用Acrobat浏览器检察文档时的某些操纵举行限定。这些限定包含：打印修正内容提取内容 PDF文档平安的会商不在本文范围以内，有乐趣的读者能够参考PDF标准的相干部分。PDF文档的平安模子是可插拔式的（pluggable），你能够在加密文档时利用分歧的平安处置器（securityhandler）。对本文而言，PDFBox撑持尺度的平安处置器，它是年夜多半PDF文档所利用的。 加密文档时必需先指定一个平安处置器，然后利用一个主暗码和用户暗码举行加密。鄙人面的代码中，文档被加密，用户不必要敲进就能够在Acrobat中翻开它（没有设置用户暗码），可是该文档不成被打印。//loadthedocumentPDDocumentpdf=PDDocument.load("test.pdf");//createtheencryptionoptionsPDStandardEncryptionencryptionOptions=newPDStandardEncryption();encryptionOptions.setCanPrint(false);pdf.setEncryptionDictionary(encryptionOptions);//encryptthedocumentpdf.encrypt("master",null);//savetheencrypteddocument//tothefilesystempdf.save("test-output.pdf"); 更具体的示例拜见PDFBox公布版中包括的加密工具类源代码：org.pdfbox.Encrypt。 很多使用程序能够天生PDF文档，但不撑持把持文档的平安选项。这时候PDFBox就能够用来在发送给用户之前截获并加密PDF文档。 表单整合 当使用程序的输入是一系列表单域的值时，供应将表单保留成文件的功效是很需要的。这时候PDF手艺将是一个很好的选择。开辟职员能够手动编写PDF指令来绘制图形、表格和文本。大概将数据存成XML情势并利用XSL-FO模版来创立PDF文档。但是，这些举措都是对照耗时，简单堕落，并且天真性也对照差。关于复杂的表单而言，一个更好的举措是创立模版，然后将给定的输出数据填进该模版，从而天生文档。 EmploymentEligibilityVerification是一个年夜多半人都熟习的表单，它又叫做“I-9表单”，拜见：http://uscis.gov/graphics/formsfee/forms/files/i-9.pdf 你可使用PDFBox公布版中的一个示例程序列出表单域名单：javaorg.pdfbox.examples.fdf.PrintFieldsi-9.pdf 另有一个示例程序用于向指定的域中拔出文本情势的数据：javaorg.pdfbox.examples.fdf.SetFieldi-9.pdfNAME1Smith 在Acrobat中翻开这个PDF文档你就会看到"LastName"域已被填写了。你也能够利用以下代码来完成不异的操纵：PDDocumentpdf=PDDocument.load("i-9.pdf");PDDocumentCatalogdocCatalog=pdf.getDocumentCatalog();PDAcroFormacroForm=docCatalog.getAcroForm();PDFieldfield=acroForm.getField("NAME1");field.setValue("Smith");pdf.save("i-9-copy.pdf"); 上面的代码可用于提取方才填写的表单域的值：PDFieldfield=acroForm.getField("NAME1");System.out.println("FirstName="+field.getValue()); Acrobat撑持将表双数据导进或导出到一个特定的文件格局“表双数据格局”（FormsDataFormat）。这类文件有两类：FDF和XFDF。FDF文件寄存表双数据的格局与PDF不异，而XFDF则以XML格局寄存表双数据。PDFBox在一个类中处置FDF和XFDF：FDFDocument。上面的代码片段演示了怎样从下面的I-9表单导出FDF数据：PDDocumentpdf=PDDocument.load("i-9.pdf");PDDocumentCatalogdocCatalog=pdf.getDocumentCatalog();PDAcroFormacroForm=docCatalog.getAcroForm();FDFDocumentfdf=acroForm.exportFDF();fdf.save("exportedData.fdf"); PDFBox表单整合步骤：利用Acrobat或其他可视化工具创立PDF表单模版记下每一个必要的（desirable）表单域的称号将模版寄存在使用程序能够会见到的中央当PDF被哀求时，利用PDFBox剖析PDF模版添补指定的表单域将添补了局（PDF）前往给用户 工具 除上文先容的API以外，PDFBox还供应一系列命令行工具。表2列出了这些工具类并作冗长先容。 备注 PDF标准共有1172页之多，实在现切实其实是一浩荡工程。一样，PDFBox公布版中说它“正在举行中”，新的功效会渐渐地增加上往。它的次要缺点是从零入手下手创立PDF文档。但是，有一些源码开放的Java项目可用于弥补这个缺口。比方，ApacheFOP项目撑持从特别的XML文档天生PDF，这个XML文档形貌了要天生的PDF文档。别的，iText供应一个高层API用于创立表格和列表。 PDFBox的下一个版本将撑持新的PDF1.5对象流和交织援用流。然后将供应内嵌字体和图象的撑持。在PDFBox的勉力下，Java使用程序中的PDF手艺无望失掉充实的撑持。大型的应用一般不会用这些框架（因为性能考虑）；开发人员根据需要选择用一些框架，也可以不选用框架；不用框架并不代表要自己写框架；修改框架的可能性更小。 Java语言支持Internet应用的开发，在基本的Java应用编程接口中有一个网络应用编程接口（java net），它提供了用于网络应用编程的类库，包括URL、URLConnection、Socket、ServerSocket等。Java的RMI（远程方法激活）机制也是开发分布式应用的重要手段。 Jive的资料在很多网站上都有，大家可以找来研究一下。相信你读完代码后，会有脱胎换骨的感觉。遗憾的是Jive从2.5以后就不再无条件的开放源代码，同时有licence限制。不过幸好还有中国一流的Java程序员关注它，外国人不开源了，中国人就不能开源吗？这里向大家推荐一个汉化的Jive版本—J道。Jive(J道版)是由中国Java界大名 鼎鼎的banq在Jive 2.1版本基础上改编而成, 全中文，增加了一些实用功能，如贴图，用户头像和用户资料查询等，而且有一个开发团队在不断升级。你可以访问banq的网站 我大二，Java也只学了一年，觉得还是看thinking in java好，有能力的话看英文原版(中文版翻的不怎么好)，还能提高英文文档阅读能力。 http://www.jdon.com/去下载，或到同济技术论坛的服务器ftp://nro.shtdu.edu.cn去下，安装上有什么问题，可以到论坛上去提问。 另外编写和运行Java程序需要JDK(包括JRE)，在sun的官方网站上有下载，thinking in java第三版用的JDK版本是1.4,现在流行的版本1.5（sun称作J2SE 5.0，汗），不过听说Bruce的TIJ第四版国外已经出来了，是专门为J2SE 5.0而写的。 一直感觉JAVA很大，很杂，找不到学习方向，前两天在网上找到了这篇文章，感觉不错，给没有方向的我指了一个方向，先不管对不对，做下来再说。 Java 编程语言的风格十分接近C、C++语言。 当然你也可以参加一些开源项目，一方面可以提高自己，另一方面也是为中国软件事业做贡献嘛！开发者在互联网上用CVS合作开发，用QQ,MSN,E-mail讨论联系，天南海北的程序员分散在各地却同时开发同一个软件，是不是很有意思呢？ 是一种使网页(Web Page)由静态(Static)转变为动态(Dynamic)的语言 不过，每次的执行编译后的字节码需要消耗一定的时间，这同时也在一定程度上降低了 Java 程序的运行效率。 你现在最缺的是实际的工作经验，而不是书本上那些凭空想出来的程序。 设计模式是高级程序员真正掌握面向对象核心思想的必修课。设计模式并不是一种具体"技术",它讲述的是思想，它不仅仅展示了接口或抽象类在实际案例中的灵活应用和智慧 如果你学过HTML，那么事情要好办的多，如果没有，那你快去补一补HTML基础吧。其实JSP中的Java语法也不多，它更象一个脚本语言，有点象ASP。 如果要向java web方向发展也要吧看看《Java web从入门到精通》学完再到《Struts2.0入门到精通》这样你差不多就把代码给学完了。有兴趣可以看一些设计模块和框架的包等等。 Pet Store.（宠物店）是SUN公司为了演示其J2EE编程规范而推出的开放源码的程序，应该很具有权威性，想学J2EE和EJB的朋友不要 错过了。 Java语言支持Internet应用的开发，在基本的Java应用编程接口中有一个网络应用编程接口（java net），它提供了用于网络应用编程的类库，包括URL、URLConnection、Socket、ServerSocket等。Java的RMI（远程方法激活）机制也是开发分布式应用的重要手段。 当然你也可以参加一些开源项目，一方面可以提高自己，另一方面也是为中国软件事业做贡献嘛！开发者在互联网上用CVS合作开发，用QQ,MSN,E-mail讨论联系，天南海北的程序员分散在各地却同时开发同一个软件，是不是很有意思呢？ 关于设计模式的资料，还是向大家推荐banq的网站 http://www.jdon.com/，他把GOF的23种模式以通俗易懂的方式诠释出来，纯Java描述，真是经典中的经典。 http://www.jdon.com/去下载，或到同济技术论坛的服务器ftp://nro.shtdu.edu.cn去下，安装上有什么问题，可以到论坛上去提问。
页:
[1]
2