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 > 學院 > 開發設計 > 正文

Java抽取Office、PDF的四件兵器

2019-11-18 14:07:49
字體:
來源:轉載
供稿:網友

  很多人問到如何抽取WordExcel、pdf等文件,在這里我總結一下抽取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,不過已經有為你寫好的了,就是jacob的作者一并提供了。

  jacob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,下面是一個例子:

import java.io.File;
import com.jacob.com.*;
import com.jacob.activeX.*;
public class FileExtracter{

public static void main(String[] args) {

ActiveXComponent app = new ActiveXComponent("Word.application");
String inFile = "c://test.doc";
String tpFile = "c://temp.htm";
String otFile = "c://temp.xml";
boolean flag = false;
try {
app.setObject docs = app.getProperty("document.").toDispatch();
Object doc = Dispatch.invoke(docs,"Open", Dispatch.Method, new Object[]{inFile,new Variant(false), new Variant(true)}, new int[1]).toDispatch();
Dispatch.invoke(doc,"SaveAs", Dispatch.Method, new Object[]{tpFile,new Variant(8)}, new int[1]);
Variant f = new Variant(false);
Dispatch.call(doc, "Close", f);
flag = true;
} catch (Exception e) {
e.printStackTrace();
} finally {
app.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;
/**
* <p>Title: pdf extraction</p>
* <p>Descr
iption: email:chris@matrix.org.cn</p>
* <p>Copyright: Matrix Copyright (c) 2003</p>
* <p>Company: Matrix.org.cn</p>
* @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;
/**
* <p>

發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 安徽省| 十堰市| 民县| 平定县| 潼关县| 大宁县| 邛崃市| 阳新县| 桂东县| 稷山县| 龙南县| 林芝县| 介休市| 勃利县| 健康| 许昌市| 溆浦县| 清河县| 镇远县| 太原市| 永吉县| 藁城市| 丰台区| 常宁市| 北川| 阳东县| 澳门| 永胜县| 奈曼旗| 沧源| 南丹县| 江华| 纳雍县| 正蓝旗| 孟津县| 昌宁县| 大方县| 钦州市| 和硕县| 隆化县| 永清县|