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。
点击这里查看相关控件的下载地址和配置方法。
WORD
- 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
- 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();
- }
- }
- 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;
- }
- }
TXT
- 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();
- }
- }
RTF
- 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;
- }
- }
HTML
- 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();
- }
- }
相关推荐
在IT行业中,尤其是在Web开发领域,常常需要处理各种文件格式的转换,比如将Word文档转换为HTML页面。这里我们探讨的是如何使用ThinkPHP5框架结合PHPOffice库来实现这个功能。 首先,ThinkPHP5是一款流行的PHP轻量...
在这个"Elasticsearch Demo"项目中,我们将学习如何将Word文档的内容读取并写入Elasticsearch,以及如何在WebForm页面上展示搜索结果,并实现关键词高亮显示。 首先,我们需要了解**数据导入过程**。在本示例中,...
标题 "NETCORE读取word模板修改内容并生成pdf下载.zip" 涉及的技术核心是使用.NET Core(一种跨平台的开发框架)和Aspose.Words库来处理Microsoft Word文档,并将其转换为PDF格式,同时在WebAPI环境中提供下载功能。...
在IT行业中,尤其是在Web开发领域,常常需要处理各种文件,如Word文档,以实现数据的存储和检索。本文将详细探讨如何使用C#语言在Web环境下将Word文件存入数据库并进行读取。 首先,我们需要了解C#是如何操作Word...
- **工具**:Apache POI是处理Microsoft Office文档的强大库,可以用来读取、写入Word文档。 - **框架**:Spring MVC或其他Web框架。 #### 三、具体实现 根据提供的部分内容,我们可以进一步细化实现步骤: ##### ...
在本案例中,我们将关注如何使用Apache POI来读取Word文档的内容,并将其以流的形式返回到Web应用程序的前端页面。 首先,Apache POI提供了一个名为`XWPFDocument`的类,用于处理`.docx`格式的Word文档。这个类允许...
在IT行业中,将Word文档的内容读取并存储到数据库是一项常见的需求,特别是在数据处理和信息管理系统中。本示例中的任务是使用JSP(JavaServer Pages)技术来实现这一功能,涉及的关键技术包括Java、Word处理、HTML...
21. **读写关系数据库**:利用ODBC,Lotus Domino可以读取和写入关系型数据库的数据。 22. **视图到Excel,表单到Word**:导出视图数据到Excel,表单数据到Word格式。 23. **检索功能**:自定义Web上的检索功能,...
在.NET Core应用中,开发人员经常需要处理文档操作,如读取Word模板、修改内容以及将Word转换为PDF。此项目涉及的技术栈包括.NET Core框架、Aspose.Words库和ZipArchive类,这些都是实现这个功能的关键组件。 1. **...
PHPWord是一款强大的纯PHP库,它允许开发者在服务器端无须借助Microsoft Office或OpenOffice等外部软件,直接读取和写入Microsoft Word文档(.docx格式)。这款库的设计目标是为了方便Web应用处理Word文档,使得在...
Apache POI是一个强大的开源Java库,它允许开发者读取、写入以及创建Microsoft Office格式的文件,包括Word(.doc)文档。 首先,让我们深入了解Apache POI库。POI项目始于2001年,其目标是提供一个API,让开发者...
总结来说,通过Apache POI,我们可以高效地在Web项目中处理Word模板,根据需求动态生成和下载文件。这在报表自动化、个性化合同生成等场景中非常有用。需要注意的是,处理大量文件时,性能优化是关键,比如使用内存...
在Web开发中,有时我们需要为用户提供将数据导出为Word文档的功能,这在报表生成、合同制作或报告撰写等场景非常常见。本教程主要讲解如何使用Java后台来实现这一功能,特别是结合Word2003的模板进行数据填充。我们...
在安卓(Android)平台上开发应用时,有时需要处理与Office文档相关的功能,比如读取和展示Office 2007格式的文件,如Word、Excel和PowerPoint。本压缩包"安卓开发-android 读取展示office2007.zip"可能包含示例代码...
在IT行业中,尤其是在Web开发领域,常常需要将数据从服务器导出到各种格式的文档,以便用户可以离线查看或进一步处理。其中,Word文档是一种常见的格式,它提供了丰富的文本编辑和格式化功能。本教程将详细介绍如何...
通过POI,开发者可以读取和写入Excel文件,进行数据处理和分析。 ### 版本控制与协作开发 在团队开发中,版本控制工具如SVN(Subversion)至关重要。SVN允许开发者保存项目的历史版本,方便代码回溯和多人协作。...
- **框架定位**:ThinkPHP5.0是一个面向对象的轻量级PHP开发框架,专为敏捷Web应用开发和简化企业级应用开发而设计。 - **主要特性**: - **规范性**:遵循PSR-4等规范,以及提供单元测试支持。 - **严谨性**:...
在ASP.NET开发中,有时需要从数据库中读取存储的二进制数据,这些数据可能是各种类型的文件,例如Word文档。本示例介绍如何在ASP.NET环境中从数据库中读取二进制数据生成Word文件,并进一步将其转换为MHT(单个文件...
在Web开发中,CKEditor是一款常用的富文本编辑器,它为用户提供了一个类似Word的界面来创建和编辑HTML内容。在CKEditor中实现图片上传功能,可以让用户在编辑文本时直接插入本地图片,增强内容的表现力。这个Python...