java 处理word，excel，pdf -javacode

java 处理word，excel，pdf -javacode

2008年08月27日 星期三 01:08 P.M.

java 处理word，excel，pdf -javacode 很多人问到如何抽取word，excel，pdf阿。这里我总结一下抽取word,pdf的 几种方法。 1。用jacob. 其实jacob是一个bridage，连接java和com或者win32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下载： http://www.java-cn.com/technology/tech_downs/1880_001.zip 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: est.doc"; String tpFile = "c: emp.htm"; String otFile = "c: emp.xml"; boolean flag = false; try { app.setProperty("Visible", new Variant(false)); Object 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： http://www.java-cn.com/technology/tech_downs/1880_002.zip 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 org.textmining.text.extraction.WordExtractor; /** * <p>Title: pdf extraction</p> * <p>Description: email:[email protected]</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-用来抽取pdf文件 但是pdfbox对中文支持还不好，先下载pdfbox： http://www.java-cn.com/technology/tech_downs/1880_003.zip 下面是一个如何使用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>Title: pdf extraction</p> * <p>Description: email:[email protected]</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 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+" "); 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(); } } } 4.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： http://www.java-cn.com/technology/tech_downs/1880_004.zip 同时需要下载支持中文的补丁包： http://www.java-cn.com/technology/tech_downs/1880_005.zip 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.*; /** * <p>Title: pdf extraction</p> * <p>Description: email:[email protected]</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 PdfWin { public PdfWin() { } public static void main(String args[]) throws Exception { String PATH_TO_XPDF="C:Program Filesxpdfpdftotext.exe"; String filename="c:a.pdf"; String[] cmd = new String[] { PATH_TO_XPDF, "-enc", "UTF-8", "-q", filename, "-"}; Process p = Runtime.getRuntime().exec(cmd); BufferedInputStream bis = new BufferedInputStream(p.getInputStream()); InputStreamReader reader = new InputStreamReader(bis, "UTF-8"); StringWriter out = new StringWriter(); char [] buf = new char[10000]; int len; while((len = reader.read(buf))>= 0) { //out.write(buf, 0, len); System.out.println("the length is"+len); } reader.close(); String ts=new String(buf); System.out.println("the str is"+ts); } } http://hi.baidu.com/stq1102/blog http://hi.baidu.com/xuecj/blog/item/37b5938b6f1b75d6fd1f103e.html