本文目錄一覽：
- 1、java讀取word文件的內容
- 2、java讀取帶格式word內容
- 3、JAVA有什麼好的方法可以將word里的文本讀取出來
- 4、java讀取doc,pdf問題。
- 5、如何使用JAVA，POI讀寫word文檔
- 6、java如何獲得doc文件內容
java讀取word文件的內容
WordExtractor的用法錯了，你用下面的方法試試：
……
File file = new File(doc);
FileInputStream fileInputStream = getFileInputStream(file);
WordExtractor wordExtractor = new WordExtractor(fileInputStream);
String text = wordExtractor.getText();
……
java讀取帶格式word內容
用jacob吧。。
/**
*@author eyuan
*/
package per.eyuan.word2txt.core;
import com.jacob.*;
import com.jacob.com.*;
import com.jacob.activeX.*;
import java.io.*;
import java.util.Scanner;
public class Core {
/**
* 實現轉換的函數
* @param sourceFilesPath
* @param destinationFilesPath
* @param destinationFilesType
* @return void
* @see import com.jacob.activeX.*;
*/
public static void change(String sourceFilesPath,String destinationFilesPath,int destinationFilesType){
//使用word文件所在的目錄（源路徑）建立目錄文件
File sourcePathFile=new File(sourceFilesPath);
//取得word文件（源文件列表）
File sourceFilesList[]=sourcePathFile.listFiles();
System.out.println(“共有”+sourceFilesList.length+”個文件（文件夾）”);
//指定要轉換的文件所在的目錄下，如果有子目錄，
//則進入子目錄，繼續查找word文檔並將其轉換，
//直到將指定目錄下的所有word文檔轉換完。
//子目錄名
String sourceChildPath=new String(“”);
//保持原來的層次關係，將子目錄下的文件存放在新建的子目錄中
String destiNationChildPath=new String(“”);
//檢索文件，過濾掉非word文件，通過擴展名過濾
for(int i=0;isourceFilesList.length;i++){
//排除掉子文件夾
if(sourceFilesList[i].isFile()){
System.out.println(“第”+(i+1)+”個文件：”);
//取得文件全名（包含擴展名）
String fileName=sourceFilesList[i].getName();
String fileType=new String(“”);
//取得文件擴展名
fileType=fileName.substring((fileName.length()-4), fileName.length());
//word2007-2010擴展名為docx
//判斷是否為word2007-2010文檔，及是否以docx為後綴名
if(fileType.equals(“docx”)){
System.out.println(“正在轉換。。。”);
//輸出word文檔所在路勁
System.out.println(“目錄：”+sourceFilesPath);
//輸出word文檔名
System.out.println(“文件名：”+fileName);
//System.out.println(fileName.substring(0, (fileName.length()-5)));
//核心函數
//啟動word
ActiveXComponent app=new ActiveXComponent(“Word.Application”);
//要轉換的文檔的全路徑（所在文件夾+文件全名）
String docPath=sourceFilesPath+”\\”+fileName;
//轉換後的文檔的全路徑（所在文件夾+文件名）
String othersPath=destinationFilesPath+”\\”+fileName.substring(0,(fileName.length()-5));
//
String inFile=docPath;
String outFile=othersPath;
//
boolean flag=false;
//核心代碼
try{
//設置word可見性
app.setProperty(“Visible”, new Variant(false));
//
Dispatch docs=app.getProperty(“Documents”).toDispatch();
//打開word文檔
Dispatch doc=Dispatch.invoke(docs, “Open”, Dispatch.Method, new Object[]{inFile,new Variant(false),new Variant(true)}, new int[1]).toDispatch();
//0:Microsoft Word 97 – 2003 文檔 (.doc)
//1:Microsoft Word 97 – 2003 模板 (.dot)
//2:文本文檔 (.txt)
//3:文本文檔 (.txt)
//4:文本文檔 (.txt)
//5:文本文檔 (.txt)
//6:RTF 格式 (.rtf)
//7:文本文檔 (.txt)
//8:HTML 文檔 (.htm)(帶文件夾)
//9:MHTML 文檔 (.mht)(單文件)
//10:MHTML 文檔 (.mht)(單文件)
//11:XML 文檔 (.xml)
//12:Microsoft Word 文檔 (.docx)
//13:Microsoft Word 啟用宏的文檔 (.docm)
//14:Microsoft Word 模板 (.dotx)
//15:Microsoft Word 啟用宏的模板 (.dotm)
//16:Microsoft Word 文檔 (.docx)
//17:PDF 文件 (.pdf)
//18:XPS 文檔 (.xps)
//19:XML 文檔 (.xml)
//20:XML 文檔 (.xml)
//21:XML 文檔 (.xml)
//22:XML 文檔 (.xml)
//23:OpenDocument 文本 (.odt)
//24:WTF 文件 (.wtf)
//另存為指定格式的文檔
Dispatch.invoke(doc, “SaveAs”, Dispatch.Method, new Object[]{outFile,new Variant(destinationFilesType)}, new int[1]);
//
Variant file=new Variant(false);
//關閉文檔
Dispatch.call(doc, “Close”,file);
//
flag=true;
}catch(Exception e){
e.printStackTrace();
System.out.println(“文檔轉換失敗”);
}finally{
app.invoke(“Quit”,new Variant[]{});
}
System.out.println(“轉換完畢”);
}
//word97-2003擴展名為doc
//判斷是否為word2003-2007文檔，及是否以doc為後綴名
else if(fileType.equals(“.doc”)){
System.out.println(“正在轉換。。。”);
//輸出word文檔所在路勁
System.out.println(“目錄：”+sourceFilesPath);
//輸出word文檔名
System.out.println(“文件名：”+fileName);
//System.out.println(fileName.substring(0, (fileName.length()-4)));
//核心函數
//啟動word
ActiveXComponent app=new ActiveXComponent(“Word.Application”);
//要轉換的文檔的全路徑（所在文件夾+文件全名）
String docPath=sourceFilesPath+”\\”+fileName;
//轉換後的文檔的全路徑（所在文件夾+文件名）
String othersPath=destinationFilesPath+”\\”+fileName.substring(0,(fileName.length()-4));
//
String inFile=docPath;
String outFile=othersPath;
//
boolean flag=false;
//核心代碼
try{
//設置word可見性
app.setProperty(“Visible”, new Variant(false));
//
Dispatch docs=app.getProperty(“Documents”).toDispatch();
//打開word文檔
Dispatch doc=Dispatch.invoke(docs, “Open”, Dispatch.Method, new Object[]{inFile,new Variant(false),new Variant(true)}, new int[1]).toDispatch();
//另存為指定格式的文檔
Dispatch.invoke(doc, “SaveAs”, Dispatch.Method, new Object[]{outFile,new Variant(destinationFilesType)}, new int[1]);
//
Variant file=new Variant(false);
//關閉文檔
Dispatch.call(doc, “Close”,file);
//
flag=true;
}catch(Exception e){
e.printStackTrace();
System.out.println(“文檔轉換失敗”);
}finally{
app.invoke(“Quit”,new Variant[]{});
}
System.out.println(“轉換完畢”);
}
//文檔的擴展名不是doc或docx
else{
System.out.println(“非word文檔”);
}
}
//如果是子文件夾，則遞歸遍歷，將所有的word文檔轉換
else{
//
sourceChildPath=sourceFilesPath;
//該文件是目錄
sourceChildPath=sourceChildPath+”\\”+sourceFilesList[i].getName()+”\\”;
System.out.println(“源文件所在路徑：”+sourceChildPath);
//修改目標文件夾，保持原來的層級關係
destiNationChildPath=destinationFilesPath;
destiNationChildPath=destinationFilesPath+”\\”+sourceFilesList[i].getName()+”\\”;
System.out.println(“轉換後文件所在路徑”+destiNationChildPath);
//
mkdir(destiNationChildPath);
//遞歸遍歷所有目錄，查找word文檔，並將其轉換
change(sourceChildPath, destiNationChildPath,destinationFilesType);
}
}
System.out.println(“所有文檔轉換完畢”);
}
/**
* 用於創建文件夾的方法
* @param mkdirName
*/
public static void mkdir(String mkdirName){
try{
//使用指定的路徑創建文件對象
File dirFile = new File(mkdirName);
//
boolean bFile = dirFile.exists();
//已經存在文件夾，操作？？？提醒是否要替換
if( bFile == true ) {
System.out.println(“已經存在文件夾”+mkdirName);
}
//不存在該文件夾，則新建該目錄
else{
System.out.println(“新建文件夾”+mkdirName);
bFile = dirFile.mkdir();
if( bFile == true ){
System.out.println(“文件夾創建成功”);
}else{
System.out.println(” 文件夾創建失敗，清確認磁盤沒有寫保護並且空件足夠”);
System.exit(1);
}
}
}catch(Exception err){
System.err.println(“ELS – Chart : 文件夾創建發生異常”);
err.printStackTrace();
}finally{
}
}
/**
* 判斷某個文件夾是否存在
* @param path
*/
public static boolean isPathExist(String path){
boolean isPathExist=false;
try{
File pathFile = new File(path);
if(pathFile.exists())
isPathExist= true;
else
isPathExist= false;
}catch(Exception err){
err.printStackTrace();
}
return isPathExist;
}
/**
* 主函數
*/
public static void main(String[] args){
Scanner sc=new Scanner(System.in);
//源文檔所在路徑
String sourceFilesPath=””;
// String inputSourcePath=””;
// boolean sourcePathFlag=true;
// System.out.println(“請輸入要轉換文檔所在的文件夾”);
// while(sourcePathFlag){
// inputSourcePath=sc.next();
// if(!isPathExist(inputSourcePath))
// System.out.println(“源路徑不存在，請輸入正確的路徑”);
// else
// sourcePathFlag=false;
// }
// sourceFilesPath=inputSourcePath;
sourceFilesPath=”D:\\word”;
//目標文檔要存放的目錄
String destinationFilesPath=””;
// String inputdestinationPath=””;
// boolean destinationPathFlag=true;
// System.out.println(“請輸入轉換後文檔要存放的文件夾”);
// while(destinationPathFlag){
// inputdestinationPath=sc.next();
// //目標文件不存在時，是否要提示用戶創建文件
// if(!isPathExist(inputdestinationPath))
// System.out.println(“目標路徑不存在，請輸入正確的路徑”);
// else
// destinationPathFlag=false;
// }
// destinationFilesPath=inputdestinationPath;
destinationFilesPath=”D:\\txt”;
//選擇要轉換的類型
int destinationFilesType=0;
int inputNumber=0;
boolean numFlag=true;
System.out.println(“您要將word文檔轉換為哪種文檔格式？”);
System.out.println(“0:doc \t 2:txt \t 8:html \t 9:htm \t 11:xml \t 12:docx \t 17:pdf \t 18:xps”);
while(numFlag){
inputNumber=sc.nextInt();
if(inputNumber!=2inputNumber!=8inputNumber!=9inputNumber!=11inputNumber!=12inputNumber!=17){
System.out.println(“您的輸入有誤，請輸入要轉換的文檔類型前的數字”);
}else
numFlag=false;
}
destinationFilesType=inputNumber;
//實行轉換
change(sourceFilesPath, destinationFilesPath,destinationFilesType);
//測試各種類型轉換
// for(int i=0;i25;i++){
// destinationFilesType=i;
// System.out.println(“文件類型”+destinationFilesType);
// System.out.println(“存放目錄：”+destinationFilesPath+”\\”+i);
// mkdir(destinationFilesPath+”\\”+i);
// change(sourceFilesPath, destinationFilesPath+”\\”+i,destinationFilesType);
// }
}
}
這個我剛用的。。格式都能帶過來的。 你自己再下載個 jacob的包和dll文件
JAVA有什麼好的方法可以將word里的文本讀取出來
你用免費版的Free Spire.Doc for Java可以直接讀取Word文檔裡面的文本，參考代碼：
import com.spire.doc.Document;
import java.io.FileWriter;
import java.io.IOException;
public class ExtractText {
public static void main(String[] args) throws IOException {
//加載Word文檔
Document document = new Document();
document.loadFromFile(“C:\\Users\\Administrator\\Desktop\\sample.docx”);
//獲取文檔中的文本保存為String
String text=document.getText();
//將String寫入Txt文件
writeStringToTxt(text,”ExtractedText.txt”);
}
public static void writeStringToTxt(String content, String txtFileName) throws IOException {
FileWriter fWriter= new FileWriter(txtFileName,true);
try {
fWriter.write(content);
}catch(IOException ex){
ex.printStackTrace();
}finally{
try{
fWriter.flush();
fWriter.close();
} catch (IOException ex) {
ex.printStackTrace();
}
}
}
}
參考自官網原文。
java讀取doc,pdf問題。
PDFBox是一個開源的對pdf文件進行操作的庫。 PDFBox-0.7.3.jar加入classpath。同時FontBox1.0.jar加入classpath，否則報錯
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import org.pdfbox.pdfparser.PDFParser;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;
public class PdfReader {
/**
* simply reader all the text from a pdf file.
* You have to deal with the format of the output text by yourself.
* 2008-2-25
* @param pdfFilePath file path
* @return all text in the pdf file
*/
public static String getTextFromPDF(String pdfFilePath)
{
String result = null;
FileInputStream is = null;
PDDocument document = null;
try {
is = new FileInputStream(pdfFilePath);
PDFParser parser = new PDFParser(is);
parser.parse();
document = parser.getPDDocument();
PDFTextStripper stripper = new PDFTextStripper();
result = stripper.getText(document);
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} finally {
if (is != null) {
try {
is.close();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
if (document != null) {
try {
document.close();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}
return result;
}
public static void main(String[] args)
{
String str=PdfReader.getTextFromPDF(“C:\\Read.pdf”);
System.out.println(str);
}
}
代碼2：
import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.net.MalformedURLException;
import java.net.URL;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;
public class PDFReader {
public void readFdf(String file) throws Exception {
boolean sort = false;
String pdfFile = file;
String textFile = null;
String encoding = “UTF-8”;
int startPage = 1;
int endPage = Integer.MAX_VALUE;
Writer output = null;
PDDocument document = null;
try {
try {
// 首先當作一個URL來裝載文件，如果得到異常再從本地文件系統//去裝載文件
URL url = new URL(pdfFile);
//注意參數已不是以前版本中的URL.而是File。
document = PDDocument.load(pdfFile);
// 獲取PDF的文件名
String fileName = url.getFile();
// 以原來PDF的名稱來命名新產生的txt文件
if (fileName.length() 4) {
File outputFile = new File(fileName.substring(0, fileName
.length() – 4)
+ “.txt”);
textFile = outputFile.getName();
}
} catch (MalformedURLException e) {
// 如果作為URL裝載得到異常則從文件系統裝載
//注意參數已不是以前版本中的URL.而是File。
document = PDDocument.load(pdfFile);
if (pdfFile.length() 4) {
textFile = pdfFile.substring(0, pdfFile.length() – 4)
+ “.txt”;
}
}
output = new OutputStreamWriter(new FileOutputStream(textFile),
encoding);
PDFTextStripper stripper = null;
stripper = new PDFTextStripper();
// 設置是否排序
stripper.setSortByPosition(sort);
// 設置起始頁
stripper.setStartPage(startPage);
// 設置結束頁
stripper.setEndPage(endPage);
// 調用PDFTextStripper的writeText提取並輸出文本
stripper.writeText(document, output);
} finally {
if (output != null) {
// 關閉輸出流
output.close();
}
if (document != null) {
// 關閉PDF Document
document.close();
}
}
}
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
PDFReader pdfReader = new PDFReader();
try {
// 取得E盤下的SpringGuide.pdf的內容
pdfReader.readFdf(“C:\\Read.pdf”);
} catch (Exception e) {
e.printStackTrace();
}
}
}
2、抽取支持中文的pdf文件－xpdf
xpdf是一個開源項目，我們可以調用他的本地方法來實現抽取中文pdf文件。
補丁包：
按照readme放好中文的patch，就可以開始寫調用本地方法的java程序了。
下面是一個如何調用的例子：
import java.io.*;
/**
* pTitle: pdf extraction/p
* pDescription: email:chris@matrix.org.cn/p
* pCopyright: Matrix Copyright (c) 2003/p
* pCompany: 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);
}
}
如何使用JAVA，POI讀寫word文檔
public class HwpfTest {
@SuppressWarnings(“deprecation”)
@Test
public void testReadByExtractor() throws Exception {
InputStream is = new FileInputStream(“D:\\test.doc”);
WordExtractor extractor = new WordExtractor(is);
//輸出word文檔所有的文本
System.out.println(extractor.getText());
System.out.println(extractor.getTextFromPieces());
//輸出頁眉的內容
System.out.println(“頁眉：” + extractor.getHeaderText());
//輸出頁腳的內容
System.out.println(“頁腳：” + extractor.getFooterText());
//輸出當前word文檔的元數據信息，包括作者、文檔的修改時間等。
System.out.println(extractor.getMetadataTextExtractor().getText());
//獲取各個段落的文本
String paraTexts[] = extractor.getParagraphText();
for (int i=0; iparaTexts.length; i++) {
System.out.println(“Paragraph ” + (i+1) + ” : ” + paraTexts[i]);
}
//輸出當前word的一些信息
printInfo(extractor.getSummaryInformation());
//輸出當前word的一些信息
this.printInfo(extractor.getDocSummaryInformation());
this.closeStream(is);
}
/**
* 輸出SummaryInfomation
* @param info
*/
private void printInfo(SummaryInformation info) {
//作者
System.out.println(info.getAuthor());
//字符統計
System.out.println(info.getCharCount());
//頁數
System.out.println(info.getPageCount());
//標題
System.out.println(info.getTitle());
//主題
System.out.println(info.getSubject());
}
/**
* 輸出DocumentSummaryInfomation
* @param info
*/
private void printInfo(DocumentSummaryInformation info) {
//分類
System.out.println(info.getCategory());
//公司
System.out.println(info.getCompany());
}
/**
* 關閉輸入流
* @param is
*/
private void closeStream(InputStream is) {
if (is != null) {
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
java如何獲得doc文件內容
java 是這樣處理的 獲得一個 模板 +數據 = doc文件
反過來 doc文件 + 模板 可以得到 數據
如果你沒有 模板， 基本上是不行。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/243072.html
微信掃一掃 
支付寶掃一掃 