lucene只能对纯文本文件进行索引。所以要对pdf文件进行索引的话，必须先对pdf进行文本抽取。网上查到的有两种方法，其实就是两种工具了。一种是pdfbox，一种是xpdf。当然xpdf的那种方法只是运行了xpdf这个软件来实现的，并不是基于java的。使用pdfbox当然是更好的选择了。但在网上搜索几乎所有的论坛上都说pdfbox对中文支持不好，我刚开始也不敢用，当一碰到乱码就转去用xpdf，结构xpdf那个配置更麻烦，我怎么也弄不好。又转回来用pdfbox发现现在的版本，pdfbox是能很好的支持中文的。我用的版本是PDFBox-0.7.3，用这个来抽取文本时需要PDFBox-0.7.3.jar这个jar文件，但我经过试验，只有这个包不能完全处理中文问题，老出现问题。我试着又配置了一个包，就是external文件夹下的FontBox-0.1.0-dev.jar，把这个包也导入，中文问题就能够解决了。下面是使用方法：

public static String getTxt(File f) throws Exception { String ts=""; try{ String temp = ""; PDDocument pdfdocument = PDDocument.load(f); ByteArrayOutputStream out = new ByteArrayOutputStream(); OutputStreamWriter writer = new OutputStreamWriter(out); PDFTextStripper stripper = new PDFTextStripper(); stripper.writeText(pdfdocument.getDocument(), writer); pdfdocument.close(); out.close(); writer.close(); byte[] contents = out.toByteArray(); ts = new String(contents); System.out.println(f.getName() + "length is:" + contents.length + "\n"); }catch(Exception e){ e.printStackTrace(); } finally{ return ts; } } 刚开始我在网上找了一段代码，能够抽取文本，但老有个pdfdocument不能关闭的问题，这个问题困扰了我好久，那天一直在电脑旁从晚上坐到早上五点，终于解决了。原来pdfdocument通过parser的方法创建的就有那个不能关闭的问题，后来改为上面代码，没问题了