Java课程设计-文档相似性检查系统-文档输出字符串类

如果比较文档相似性,首先会把txt、doc、pdf 格式的文档输出到缓冲区。文档输出字符串类

根据课题 文档相似性检测系统(作业查重)   

实现txt输出比较容易、doc的话就要用到poi控件、方法很多还能用到itext、pdf格式用到pdfbox 
/*
 * 判断要比较的文章后缀格式。doc、txt、pdf格式均可
 * 返回字符串
 */
import java.io.*;
import org.pdfbox.pdmodel.PDDocument;
import org.textmining.text.extraction.WordExtractor;
import org.pdfbox.pdfparser.PDFParser;
import org.pdfbox.util.PDFTextStripper;


public class wordortxt {

	public static String readDoc(String docFilePath) throws Exception {   //doc格式输出
		// 创建输入流读取doc文件
		File f1 = new File(docFilePath);
		FileInputStream in = new FileInputStream(f1);
		WordExtractor extractor = null;
		String text = null;
		// 创建WordExtractor 
		extractor = new WordExtractor();
		// 对doc文件进行提取
		text = extractor.extractText(in);
		return text;
	}

	public static String readtxt(String txtFilePath) throws Exception {		//txt格式输出
		File f = new File(txtFilePath);
		FileInputStream inputstream = new FileInputStream(f);
		StringBuffer buffer = new StringBuffer();
		String line; 												// 用来保存每行读取的内容
		InputStreamReader in=new InputStreamReader(inputstream);
		BufferedReader bufferreader = new BufferedReader(in);
		line = bufferreader.readLine(); 								// 读取第一行
		while (line != null) { 											// 如果 line 为空说明读完了
			buffer.append(line); 										// 将读到的内容添加到 buffer 中
			buffer.append("\n"); 										// 添加换行符
			line = bufferreader.readLine(); 							// 读取下一行
		}
		// 将读到 buffer 中的内容写出来
		inputstream.close();
		String filetext = buffer.toString();
		//inputstream.getEncoding()
		//filetext就是得到的字符串
		return filetext;
		//System.out.print(filetext);
		//System.out.print(in.getEncoding());*/	

	}

	public static String readPDF (String PDFFilePath) {						//PDF格式输出
		String resultPDF = null;
		FileInputStream is = null;
		PDDocument document = null;
		try{
			is = new FileInputStream(PDFFilePath);
			PDFParser p = new PDFParser(is);	//对PDF文件进行解析
			p.parse();		//获取解析后得到的PDF文档对象				
			document = p.getPDDocument();	//新建一个PDF文本剥离器
			PDFTextStripper stripper = new PDFTextStripper();	//从PDF文档对象中剥离文本
			resultPDF = stripper.getText(document);
		} catch (FileNotFoundException e){
			e.printStackTrace();
		} catch (IOException e ){
			e.printStackTrace();
		} finally {
			if (is != null){
				try {
					is.close();
				}catch (IOException e){
					e.printStackTrace();
				}
			}
			if (document != null){
				try {
					document.close();
				}catch (IOException e){
					e.printStackTrace();
				}
			}
		}
		return resultPDF;
	}

}


你可能感兴趣的:(代码,职业生涯)