java 读取Excel，word，pdf文件

在平常应用程序中，对office和pdf文档进行读取数据是比较常见的功能，尤其在很多web应用程序中。所以今天我们就简单来看一下java对word、excel、pdf文件的读取。本篇博客只是讲解简单应用。如果想深入了解原理。请读者自行研究一些相关源码。
首先我们来认识一下读取相关文档的jar包：

1. 引用POI包读取word文档内容
poi.jar 下载地址
http://apache.freelamp.com/poi/release/bin/poi-bin-3.6-20091214.zip
http://apache.etoak.com/poi/release/bin/poi-bin-3.6-20091214.zip
http://labs.renren.com/apache-mirror/poi/release/bin/poi-bin-3.6-20091214.zip

2.引用jxl包读取excel文档的内容
Jxl.jar下载地址
http://nchc.dl.sourceforge.net/project/jexcelapi/CSharpJExcel/CSharpJExcel.zip

3.引用PDFBox读取pdf文档的内容
Pdfbox.jar下载地址
http://labs.renren.com/apache-mirror/pdfbox/1.1.0/pdfbox-1.1.0.jar
http://apache.etoak.com/pdfbox/1.1.0/pdfbox-1.1.0.jar
http://apache.freelamp.com/pdfbox/1.1.0/pdfbox-1.1.0.jar
Fontbox.jar下载地址
http://apache.etoak.com/pdfbox/1.1.0/fontbox-1.1.0.jar
http://labs.renren.com/apache-mirror/pdfbox/1.1.0/fontbox-1.1.0.jar
http://apache.freelamp.com/pdfbox/1.1.0/fontbox-1.1.0.jar
Jempbox.jar下载地址
http://labs.renren.com/apache-mirror/pdfbox/1.1.0/jempbox-1.1.0.jar
http://apache.etoak.com/pdfbox/1.1.0/jempbox-1.1.0.jar
http://apache.freelamp.com/pdfbox/1.1.0/jempbox-1.1.0.jar
下面我们就来简单看一下这些jar包的对文档的读取的应用实例：
1. 引用POI包读取word文档内容
[java] view plaincopyprint?
import java.io.File;    
import java.io.FileInputStream;    
import org.apache.poi.hwpf.HWPFDocument;    
import org.apache.poi.hwpf.usermodel.Range;    
 
/** 
* 
* @author 曹胜欢
*/  
public class DocFile{    
 
 
    @Override  
    public String getContent(File f) throws Exception {    
        FileInputStream fis = new FileInputStream(f);    
        HWPFDocument doc = new HWPFDocument(fis);    
        Range rang = doc.getRange();    
        String text = rang.text();    
        fis.close();    
        return text;    
    }    



2.引用jxl包读取excel文档的内容

[java] view plaincopyprint?
import java.io.File;    
import java.io.FileInputStream;    
import jxl.Cell;    
import jxl.Sheet;    
import jxl.Workbook;    
 
/** 
* 
* @author 曹胜欢
*/  
public class XlsFile{    
 
    @Override    
    public String getContent(File f) throws Exception {    
     //构建Workbook对象, 只读Workbook对象 
     //直接从本地文件创建Workbook 
      //从输入流创建Workbook 
 
        FileInputStream fis = new FileInputStream(f);    
        StringBuilder sb = new StringBuilder();    
        jxl.Workbook rwb = Workbook.getWorkbook(fis);    
//一旦创建了Workbook，我们就可以通过它来访问 
//Excel Sheet的数组集合(术语：工作表)， 
//也可以调用getsheet方法获取指定的工资表 
        Sheet[] sheet = rwb.getSheets();    
        for (int i = 0; i < sheet.length; i++) {    
            Sheet rs = rwb.getSheet(i);    
            for (int j = 0; j < rs.getRows(); j++) {    
               Cell[] cells = rs.getRow(j);    
               for(int k=0;k<cells.length;k++)    
               sb.append(cells[k].getContents());    
            }    
        }    
        fis.close();    
        return sb.toString();    
    }    
 
} 


由上面代码我们可知：一旦得到了Sheet，我们就可以通过它来访问Excel Cell(术语：单元格)。参考下面的代码片段：
//获取第一行，第一列的值
Cell c00 = rs.getCell(0, 0);
String strc00 = c00.getContents();
//获取第一行，第二列的值
Cell c10 = rs.getCell(1, 0);
String strc10 = c10.getContents();
当你完成对Excel电子表格数据的处理后，一定要使用close()方法来关闭先前创建的对象，以释放读取数据表的过程中所占用的内存空间，在读取大量数据时显得尤为重要。
3.引用PDFBox读取pdf文档的内容

[java] view plaincopyprint?
import java.io.File;    
import java.io.FileInputStream;    
import org.pdfbox.pdfparser.PDFParser;    
import org.pdfbox.pdmodel.PDDocument;    
import org.pdfbox.util.PDFTextStripper;    
 
/** 
* 
* @author 曹胜欢
*/  
<pre name="code" class="java">public class PdfFile{    
 
    public String getContent(File f) throws Exception {    
        FileInputStream fis = new FileInputStream(f);    
        PDFParser p = new PDFParser(fis);    
        p.parse();    
        PDDocument pdd = p.getPDDocument();    
        PDFTextStripper ts = new PDFTextStripper();    
        String c = ts.getText(pdd);    
        pdd.close();    
        fis.close();    
        return c;    
    }    
}</pre><br>