国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 學(xué)院 > 開發(fā)設(shè)計 > 正文

java抽取word,pdf的四種武器

2019-11-18 13:23:55
字體：大 中 小
供稿：網(wǎng)友

　　chris (chris@matrix.org.cn)
　　畢業(yè)于中國人民大學(xué)信息學(xué)院
　　2003 年 6 月
　　
　　很多人用java進(jìn)行文檔操作時經(jīng)常會碰到一個問題，就是如何獲得Word，Excel，pdf等文檔的內(nèi)容？我研究了一下，在這里總結(jié)一下抽取word,pdf的幾種方法。
　　1 .用jacob
　　其實jacob是一個bridage，連接java和com或者win32函數(shù)的一個中間件，jacob并不能直接抽取word,excel等文件，需要自己寫dll哦，不過已經(jīng)有為你寫好的了，就是jacob的作者一并提供了。
　　
　　jacob jar與dll文件下載： http://www.matrix.org.cn/down_view.asp?id=13
　　
　　下載了jacob并放到指定的路徑之后(dll放到path,jar文件放到classpath)，就可以寫你自己的抽取程序了，下面是一個簡單的例子：
　　
　　
　　import java.io.File;
　　import com.jacob.com.*;
　　import com.jacob.activeX.*;
　　/**
　　 * Title: pdf extraction
　　 * Description: email:chris@matrix.org.cn
　　 * Copyright: Matrix Copyright (c) 2003
　　 * Company: Matrix.org.cn
　　 * @author chris
　　 * @version 1.0,who use this example pls remain the declare
　　 */
　　public class FileExtracter{
　　 public static void main(String[] args) {
　　 ActiveXComponent component = new ActiveXComponent("Word.application");
　　 String inFile = "c://test.doc";
　　 String tpFile = "c://temp.htm";
　　 String otFile = "c://temp.xml";
　　 boolean flag = false;
　　 try {
　　 component.set　　 Object wordacc = component.getProperty("document．").toDispatch();
　　 Object wordfile = Dispatch.invoke(wordacc,"Open", Dispatch.Method,
　　 new Object[]{inFile,new Variant(false), new Variant(true)},
　　 new int[1] ).toDispatch();
　　 Dispatch.invoke(wordfile,"SaveAs", Dispatch.Method, new Object[]{tpFile,new Variant(8)}, new int[1]);
　　 Variant f = new Variant(false);
　　 Dispatch.call(wordfile, "Close", f);
　　 flag = true;
　　 } catch (Exception e) {
　　 e.printStackTrace();
　　 } finally {
　　 component.invoke("Quit", new Variant[] {});
　　 }
　　 }
　　}
　　
　　
　　
　　
　　2. 用apache的poi來抽取word，excel。
　　poi是apache的一個項目，不過就算用poi你可能都覺得很煩，不過不要緊，這里提供了更加簡單的一個接口給你：
　　
　　下載經(jīng)過封裝后的poi包： http://www.matrix.org.cn/down_view.asp?id=14
　　
　　下載之后，放到你的classpath就可以了，下面是如何使用它的一個例子：
　　
　　
　　import java.io.*;
　　import org.textmining.text.extraction.WordExtractor;
　　/**
　　 *

Title: word extraction


　　 *

Description: email:chris@matrix.org.cn


　　 *

Copyright: Matrix Copyright (c) 2003


　　 *

Company: Matrix.org.cn


　　 * @author chris
　　 * @version 1.0,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);
　　}
　　}
　　
　　
　　
　　
　　3. pdfbox-用來抽取pdf文件
　　但是pdfbox對中文支持還不好，先下載pdfbox： http://www.matrix.org.cn/down_view.asp?id=12
　　
　　下面是一個如何使用pdfbox抽取pdf文件的例子：
　　
　　
　　import org.pdfbox.pdmodel.PDdocument．
　　import org.pdfbox.pdfparser.PDFParser;
　　import java.io.*;
　　import org.pdfbox.util.PDFTextStripper;
　　import java.util.Date;
　　/**
　　 *



發(fā)表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發(fā)表
主站蜘蛛池模板： 广东省| 宁城县| 祥云县| 东台市| 旌德县| 汤阴县| 西安市| 扬中市| 江西省| 金沙县| 尼木县| 沙洋县| 海口市| 海口市| 同心县| 德保县| 东莞市| 新余市| 长春市| 平陆县| 阳泉市| 甘洛县| 拉孜县| 交城县| 安阳县| 广饶县| 随州市| 根河市| 碌曲县| 巴青县| 班玛县| 同仁县| 含山县| 宁波市| 锦州市| 广州市| 资源县| 云安县| 平阳县| 克什克腾旗| 讷河市|