任务详情
1）用JAVA将几百个PDF文件解析成TXT1、将某文件夹下所有PDF解析；2、生成同名的TXT文件；3、仅对PDF文件的正文解析，页码、页眉、页脚不解析；4、正文中的图片、表格跳过；5、正文的段落要完整，解析到TXT文件中，不可以分行；6、要提供附带程序的JAVA工程包；7、如果使用收费插件，需要指明注册网站，优先选择免收费的实现方案。8、需要有成熟的代码，估计也就1、2个JAVA文件。2）PDF文件、XML文件的生成器，XML文件的解析器1、PDF文件、XML文件的数据来源：1.1、TXT文件text1.txt中某些固定的段落；1.2、图片文件，文件名有固定的模式名称：AA_1.jpg、BB_20.jpg2、数据文件：“1.1、TXT文件text1.txt中某些固定的段落”：2.1、去掉指的是text1.txt文件中的固定内容：如：以"abcd123"开头段落的之前的行；以"efghi456"开头段落之后的行2.2、剩下的是正文，单独保存到text2.txt中；2.3、对text2.txt中段落文字进行整合，比如：小于15个字宽度的行，以句号结尾，算为段落，整合上一个句号之后的行。2.4、对该段落进行编号，并生成text3.txt2.5、生成列表文件text3.txt，包括段落编号、每段前30个字。3、根据列表文件text4.txt，生成PDF文件：3.1、列表文件text4.txt，包括：段落编号、对应目标PDF文件的段落编号、其他文章内容、图片文件名称等；3.2、按PDF文件自己的段落编号 顺序，生成PDF文件，具体内容从text4.txt中获取。4、根据列表文件text4.txt，生成XML文件，同第3点。3）解析生成XML文件，将数据存入到数据库中：1、此为独立的JAVA程序；2、解析XML文件，形成类似于insert into 的SQL；3、通过配置文件实现XML中元素与数据库字段的对应关系，并按照这个对应关系，完成insert into 的SQL；4、数据库字段后续再提供。4)样例数据保密，需要确定实施方后提供。
