`

JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法示例

    博客分类:
  • java
阅读更多

以下是Java对几种文本文件内容读取代码。其中,OFFICE文档(WORD,EXCEL)使用了POI控件,PDF使用了PDFBOX控件。

WORD
Java代码

package textReader; 
import java.io.*; 
import org.apache.poi.hwpf.extractor.WordExtractor; 

public class WordReader { 
public WordReader(){ 

/**
* @param filePath 文件路径
* @return 读出的Word的内容
*/ 
public String getTextFromWord(String filePath){ 
String result = null; 
File file = new File(filePath); 
try{ 
FileInputStream fis = new FileInputStream(file); 
WordExtractor wordExtractor = new WordExtractor(fis); 
result = wordExtractor.getText(); 
}catch(FileNotFoundException e){ 
e.printStackTrace(); 
}catch(IOException e){ 
e.printStackTrace(); 
}; 
return result; 

}


EXCEL
Java代码

package textReader; 
import org.apache.poi.hssf.usermodel.HSSFWorkbook; 
import org.apache.poi.hssf.usermodel.HSSFSheet; 
import org.apache.poi.hssf.usermodel.HSSFRow; 
import org.apache.poi.hssf.usermodel.HSSFCell; 

import java.io.FileInputStream; 
import java.io.FileNotFoundException; 
import java.io.IOException; 


public class ExcelReader { 

@SuppressWarnings("deprecation") 
/**
* @param filePath 文件路径
* @return 读出的Excel的内容
*/ 
public String getTextFromExcel(String filePath) { 
StringBuffer buff = new StringBuffer(); 
try { 
//创建对Excel工作簿文件的引用 
HSSFWorkbook wb = new HSSFWorkbook(new FileInputStream(filePath)); 
//创建对工作表的引用。         
for (int numSheets = 0; numSheets < wb.getNumberOfSheets(); numSheets++) { 
if (null != wb.getSheetAt(numSheets)) { 
HSSFSheet aSheet = wb.getSheetAt(numSheets);//获得一个sheet 
for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet.getLastRowNum(); rowNumOfSheet++) { 
if (null != aSheet.getRow(rowNumOfSheet)) { 
HSSFRow aRow = aSheet.getRow(rowNumOfSheet); //获得一个行 
for (int cellNumOfRow = 0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) { 
if (null != aRow.getCell(cellNumOfRow)) { 
HSSFCell aCell = aRow.getCell(cellNumOfRow);//获得列值 
switch(aCell.getCellType()){ 
case HSSFCell.CELL_TYPE_FORMULA: 
break;  
case HSSFCell.CELL_TYPE_NUMERIC: 
buff.append(aCell.getNumericCellValue()).append('\t');break; 
case HSSFCell.CELL_TYPE_STRING: 
buff.append(aCell.getStringCellValue()).append('\t');break;                                                              
}                            
}                                                                                 

buff.append('\n'); 

}                                       
}            

} catch (FileNotFoundException e) { 
e.printStackTrace(); 
} catch (IOException e) { 
e.printStackTrace(); 

return buff.toString(); 
}             



PDF 
Java代码

package textReader; 
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 { 
public PdfReader(){ 

/**
* @param filePath 文件路径
* @return 读出的pdf的内容
*/ 
public String getTextFromPdf(String filePath) { 
String result = null; 
FileInputStream is = null; 
PDDocument document = null; 
try { 
is = new FileInputStream(filePath); 
PDFParser parser = new PDFParser(is); 
parser.parse(); 
document = parser.getPDDocument(); 
PDFTextStripper stripper = new PDFTextStripper(); 
result = 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 result; 




package textReader;
import java.io.*;


public class TxtReader {
public TxtReader() {       
}
/**
* @param filePath 文件路径
* @return 读出的txt的内容
*/
public String getTextFromTxt(String filePath) throws Exception {

FileReader fr = new FileReader(filePath);
BufferedReader br = new BufferedReader(fr);
StringBuffer buff = new StringBuffer();
String temp = null;
while((temp = br.readLine()) != null){
buff.append(temp + "\r\n");
}
br.close();       
return buff.toString();       
}
}


package textReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

import javax.swing.text.BadLocationException;
import javax.swing.text.DefaultStyledDocument;
import javax.swing.text.rtf.RTFEditorKit;


public class RtfReader {
public RtfReader(){
}
/**
* @param filePath 文件路径
* @return 读出的rtf的内容
*/
public String getTextFromRtf(String filePath) {
String result = null;
File file = new File(filePath);
try {       
DefaultStyledDocument styledDoc = new DefaultStyledDocument();
InputStream is = new FileInputStream(file);
new RTFEditorKit().read(is, styledDoc, 0);
result = new String(styledDoc.getText(0,styledDoc.getLength()).getBytes("ISO8859_1"));
//提取文本,读取中文需要使用ISO8859_1编码,否则会出现乱码
} catch (IOException e) {
e.printStackTrace();
} catch (BadLocationException e) {
e.printStackTrace();
}
return result;
}

}

package textReader;
import java.io.*;

public class HtmlReader {
public HtmlReader() {
}
/**
* @param filePath 文件路径
* @return 获得html的全部内容
*/
public String readHtml(String filePath) {
BufferedReader br=null;
StringBuffer sb = new  StringBuffer();
try {
br=new BufferedReader(new InputStreamReader(new FileInputStream(filePath),  "GB2312"));           
String temp=null;       
while((temp=br.readLine())!=null){
sb.append(temp);
}           
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
return sb.toString();
}
/**
* @param filePath 文件路径
* @return 获得的html文本内容
*/
public String getTextFromHtml(String filePath) {
//得到body标签中的内容
String str= readHtml(filePath);
StringBuffer buff = new StringBuffer();
int maxindex = str.length() - 1;
int begin = 0;
int end;           
//截取>和<之间的内容
while((begin = str.indexOf('>',begin)) < maxindex){           
end = str.indexOf('<',begin);
if(end - begin > 1){
buff.append(str.substring(++begin, end));               
}           
begin = end+1;
};       
return buff.toString();
}

}

分享到:
评论

相关推荐

    java读取文件

    Java读取Word文件 读取Word文件通常涉及到使用Apache POI库中的`WordExtractor`类。这个类提供了从Microsoft Word文档(.doc和.docx)中提取文本的功能。在给定的代码片段中,`WordReader`类定义了一个`...

    aspose 文件转化 excel-word-ppt 含 lisence.xml

    总的来说,这个压缩包提供了一套完整的解决方案,用于在Java环境中高效地处理Word、Excel和PowerPoint文件,无需依赖Microsoft Office。无论你是需要批量转换文件,还是在应用程序中嵌入文档处理功能,Aspose库都能...

    Spire.PDF 帮助文档Spire.DOC 帮助文档

    2. **读取Word**:能够打开和解析DOC、DOCX、RTF等格式的Word文件,并提取其内容。 3. **编辑Word**:提供文本、段落、表格、图片、页眉/页脚、页码等元素的编辑功能。 4. **转换Word**:支持将Word文档转换为PDF、...

    office、txt、rtf 文档实现在线浏览功能,jacod.jar(含)

    这个压缩包提供的资源主要涉及了处理Office文档(如Word、Excel、PowerPoint)、纯文本(txt)和富文本格式(RTF)的在线预览功能。通过`print2flash`工具和`jacod.jar`库,我们可以将这些不同类型的文档转换为Flash...

    aspose 全套words pdf cells slides Java版

    Aspose是一系列强大的开发工具,主要用于处理各种文档格式,如Word、PDF、Excel(Cells)和幻灯片(Slides)。这些工具提供了丰富的API,让开发者能够轻松地在Java应用程序中创建、编辑、转换和呈现各种文档类型。...

    非常好用的文档转pdfjar,实现doc、docx、excel、ppt转换成pdf

    1. **Free Spire.Pdf for Java.docx**:这可能是一个包含关于如何使用Spire.Pdf for Java的说明或示例代码的Word文档。Spire.Pdf是Spire产品系列的一部分,专注于PDF处理,包括创建、读取、编辑和转换PDF文件。 2. ...

    aspose.jar包java api合集

    Aspose 是一个强大的Java库,提供了丰富的API集合,主要用于处理各种文件格式,包括Word文档、Excel电子表格、PDF以及PowerPoint演示文稿等。这个"aspose.jar"包集成了Aspose的产品API,使得Java开发者能够轻松实现...

    aspose.cellsaspose.words

    在提供的压缩包文件名列表中,"aspose"可能是Aspose的示例代码、文档或者库的组成部分,具体的使用方法需要解压后查看具体内容。总之,Aspose.Cells和Aspose.Words为Java开发人员提供了强大的文件处理能力,极大地...

    aspose-words-15.8.0.zip

    这个"aspose-words-15.8.0.zip"压缩包包含的是Aspose.Words库的15.8.0版本,它允许开发者无需依赖Microsoft Word软件就能创建、编辑、转换和打印DOC、DOCX、RTF、HTML等多种格式的文档。 Aspose.Words提供了丰富的...

    HTML input file控件限制上传文件类型_动力节点Java学院整理

    支持的文件类型列表包括多种音频、视频、图像、文本和文档格式,如`.3gpp`、`.ac3`、`.asf`、`.au`、`.css`、`.csv`、`.doc`、`.dot`、`.dtd`、`.dwg`、`.dxf`、`.gif`、`.htm`、`.html`、`.jp2`、`.jpe`、`.jpeg`、...

Global site tag (gtag.js) - Google Analytics