java八大基本类型 java抽取word,pdf的四种武器

java抽取word,pdf的四种武器  

　　chris ()　　毕业于中国人民大学信息学院　　 年 月　　　　很多人用java进行文档操作时经常会遇到一个问题 就是如何获得word excel pdf等文档的内容？我研究了一下 在这里总结一下抽取word pdf的几种方法 　　 用jacob　　其实jacob是一个bridage 连接java和或者win 函数的一个中间件 jacob并不能直接抽取word excel等文件 需要自己写dll哦 不过已经有为你写好的了 就是jacob的作者一并提供了 　　　　jacob jar与dll文件下载 ?id= 　　　　下载了jacob并放到指定的路径之后(dll放到path jar文件放到classpath) 就可以写你自己的抽取程序了 下面是一个简单的例子 　　　　　　import java io File;　　import *;　　import jacob activeX *;　　/**　　 * Title: pdf extraction　　 * Description: email:　　 * Copyright: Matrix Copyright (c) 　　 * Company: 　　 * @author chris　　 * @version who use this example pls remain the declare　　 */　　public class FileExtracter{　　 public static void main(String[] args) {　　 ActiveXComponent ponent = new ActiveXComponent( Word Application );　　 String inFile = c:\test doc ;　　 String tpFile = c:\ ;　　 String otFile = c:\temp xml ;　　 boolean flag = false;　　 try {　　 ponent setProperty( Visible new Variant(false));　　 Object wordacc = ponent getProperty( document． ) toDispatch();　　 Object wordfile = Dispatch invoke(wordacc Open Dispatch Method 　　 new Object[]{inFile new Variant(false) new Variant(true)} 　　 new int[ ] ) toDispatch();　　 Dispatch invoke(wordfile SaveAs Dispatch Method new Object[]{tpFile new Variant( )} new int[ ]);　　 Variant f = new Variant(false);　　 Dispatch call(wordfile Close f);　　 flag = true;　　 } catch (Exception e) {　　 e printStackTrace();　　 } finally {　　 ponent invoke( Quit new Variant[] {});　　 }　　 }　　}　　　　 　　　　　　 用apache的poi来抽取word excel 　　poi是apache的一个项目 不过就算用poi你可能都觉得很烦 不过不要紧 这里提供了更加简单的一个接口给你 　　　　下载经过封装后的poi包 ?id= 　　　　下载之后 放到你的classpath就可以了 下面是如何使用它的一个例子 　　　　　　import java io *;　　import textmining text extraction WordExtractor;　　/**　　 *

　　Title: word extraction

　　 *

　　Description: email:

　　 *

　　Copyright: Matrix Copyright (c)

　　 *

　　Company:

　　 * @author chris　　 * @version who use this example pls remain the declare　　 */　　　　public class PdfExtractor {　　 public PdfExtractor() {　　 }　　 public static void main(String args[]) throws Exception　　 {　　 FileInputStream in = new FileInputStream ( c:\a doc );　　 WordExtractor extractor = new WordExtractor();　　 String str = extractor extractText(in);　　 System out println( the result length is +str length());　　 System out println( the result is +str);　　}　　}　　　　 　　　　　　 pdfbox 用来抽取pdf文件　　但是pdfbox对中文支持还不好 先下载pdfbox ?id= 　　　　下面是一个如何使用pdfbox抽取pdf文件的例子 　　　　　　import pdfbox pdmodel PDdocument．　　import pdfbox pdfparser PDFParser;　　import java io *;　　import pdfbox util PDFTextStripper;　　import java util Date;　　/**　　 *

　　Title: pdf extraction

　　 *

　　Description: email:

　　 *

　　Copyright: Matrix Copyright (c)

　　 *

　　Company:

　　 * @author chris　　 * @version who use this example pls remain the declare　　 */　　　　public class PdfExtracter{　　　　public PdfExtracter(){　　 }　　public String GetTextFromPdf(String filename) throws Exception　　 {　　 String temp=null;　　 PDdocument．nbsppdfdocument．null;　　 FileInputStream is=new FileInputStream(filename);　　 PDFParser parser = new PDFParser( is );　　 parser parse();　　 pdfdocument．nbsp= parser getPDdocument．);　　 ByteArrayOutputStream out = new ByteArrayOutputStream();　　 OutputStreamWriter writer = new OutputStreamWriter( out );　　 PDFTextStripper stripper = new PDFTextStripper();　　 stripper writeText(pdfdocument．getdocument．) writer );　　 writer close();　　 byte[] contents = out toByteArray();　　　　 String ts=new String(contents);　　 System out println( the string length is +contents length+ n );　　 return ts;　　}　　public static void main(String args[])　　{　　PdfExtracter pf=new PdfExtracter();　　PDdocument．nbsppdfdocument．nbsp= null;　　　　try{　　String ts=pf GetTextFromPdf( c:\a pdf );　　System out println(ts);　　}　　catch(Exception e)　　 {　　 e printStackTrace();　　 }　　}　　　　}　　　　 　　　　　　 抽取支持中文的pdf文件－xpdf　　xpdf是一个开源项目 我们可以调用他的本地方法来实现抽取中文pdf文件 　　　　下载xpdf函数包 ?id= 　　　　同时需要下载支持中文的补丁包 ?id= 　　　　按照readme放好中文的patch 就可以开始写调用本地方法的java程序了 　　　　下面是一个如何调用的例子 　　　　　　import java io *;　　/**　　 *

　　Title: pdf extraction

　　 *

　　Description: email:

　　 *

　　Copyright: Matrix Copyright (c)

　　 * 　　 * @author chris　　 * @version who use this example pls remain the declare　　 */　　　　　　public class PdfWin {　　 public PdfWin() {　　 }　　 public static void main(String args[]) throws Exception　　 {　　 String PATH_TO_XPDF= C:\Program Files\xpdf\pdftotext exe ;　　 String filename= c:\a pdf ;　　 String[] cmd = new String[] { PATH_TO_XPDF enc UTF q filename };　　 Process p = Runtime getRuntime() exec(cmd);　　 BufferedInputStream bis = new BufferedInputStream(p getInputStream());　　 InputStreamReader reader = new InputStreamReader(bis UTF );　　 StringWriter out = new StringWriter();　　 char [] buf = new char[ ];　　 int len;　　 while((len = reader read(buf))>= ) {　　 //out write(buf len);　　 System out println( the length is +len);　　 }　　 reader close();　　 String ts=new String(buf);　　 System out println( the str is +ts);　　 }　　}　　　　 　　　　　　关于作者 　　作者简介 chris 毕业于中国人民大学信息学院 现于香港进行金融分析软件研发 作者亦活跃于 jxta p p开源软件的开发社区 并热衷于网络安全 AI搜索引擎技术与基于java的游戏引擎技术 　　如果大家谁有更好的办法 请告诉作者 : lishixinzhi/Article/program/Java/JSP/201311/19681