JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法示例
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。
POI: http://jakarta.apache.org/poi/index.html
PDFBOX: http://www.pdfbox.org/
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;
}
}
TXT
Java代码
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
Java代码
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
Java代码
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();
}
}
注意 :若使用WPS编辑相关文档,会有错误提示,应避免。
错误文本提示如下:
WORD
Your document seemed to be mostly unicode, but the section definition was in bytes! Trying anyway, but things may well go wrong!
EXCEL
java.lang.RuntimeException: Expected an EXTERNSHEET record but got (org.apache.poi.hssf.record.SSTRecord)
at org.apache.poi.hssf.model.LinkTable.readExtSheetRecord(LinkTable.java:187)
at org.apache.poi.hssf.model.LinkTable.<init>(LinkTable.java:163)
at org.apache.poi.hssf.model.Workbook.createWorkbook(Workbook.java:199)
at org.apache.poi.hssf.usermodel.HSSFWorkbook.<init>(HSSFWorkbook.java:273)
at org.apache.poi.hssf.usermodel.HSSFWorkbook.<init>(HSSFWorkbook.java:196)
at org.apache.poi.hssf.usermodel.HSSFWorkbook.<init>(HSSFWorkbook.java:312)
at org.apache.poi.hssf.usermodel.HSSFWorkbook.<init>(HSSFWorkbook.java:293)
at textReader.ExcelReader.getTextFromExcel(ExcelReader.java:23)
at DocumentInfo.getContent(DocumentInfo.java:86)
at MainFunction.main(MainFunction.java:19)
RTF
java.io.IOException: Too many close-groups in RTF text
at javax.swing.text.rtf.RTFParser.write(Unknown Source)
at javax.swing.text.rtf.RTFParser.writeSpecial(Unknown Source)
at javax.swing.text.rtf.AbstractFilter.write(Unknown Source)
at javax.swing.text.rtf.AbstractFilter.readFromStream(Unknown Source)
at javax.swing.text.rtf.RTFEditorKit.read(Unknown Source)
at textReader.RtfReader.getTextFromRtf(RtfReader.java:25)
at DocumentInfo.getContent(DocumentInfo.java:74)
at MainFunction.main(MainFunction.java:19)
BODY { FONT-FAMILY:Tahoma; FONT-SIZE:10pt } P { FONT-FAMILY:Tahoma; FONT-SIZE:10pt } DIV { FONT-FAMILY:Tahoma; FONT-SIZE:10pt } TD { FONT-FAMILY:Tahoma; FONT-SIZE:10pt } 顺便说一下,这里为什么会在write出错呢?因为 level是根据{和}来进行自增和自减的,当括号不匹配的时候就会提示该错误。 wps编辑rtf文件在格式上出了问题,{和}不匹配。 但用word或写字板下新建文件,编辑后另存为rtf文件(wps下不支持),用记事本打开可以发现添加了很多格式说明,但是{和}是匹配的,这样才不会报错。下面是具体说明:
http://www.chinaitpower.com/source/jdk122/javax/swing/text/rtf/RTFParser.java.html
备注:转载自:http://www.blogjava.net/103335460/articles/314145.html
分享到:
相关推荐
首先,标题“java读取word文档.pdf”和描述“java读取word文档.pdf”暗示了文章内容可能涉及使用Java语言读取Word文档的技术。 从片段中可以提取到的关键技术点包括: 1. Apache POI库:Apache POI是一个开源的...
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...
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`...
1. PDF解析:读取PDF文件内容,包括文本、图像、图形等。 2. PDF创建:创建新的PDF文档,添加文本、图像、链接等元素。 3. PDF编辑:修改已有的PDF文档,例如更新文本、图像、元数据等。 4. 文本提取:从PDF中抽取...
首先,Free Spire.Doc for Java支持广泛的Word文档格式,包括.doc、.docx、.rtf、.html等,这使得它能够处理各种来源的Word文件。利用此库,开发者可以轻松实现以下功能: 1. **创建和编辑文档**:从头创建新的Word...
2. **文档读取与解析**:支持打开和读取.doc、.docx、.rtf等各种Word格式的文件,提取文本、样式信息、图像等。 3. **文档编辑**:允许对已有的Word文档进行修改,如替换文本、调整格式、插入或删除页面、段落和...
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、...
Aspose.Words是一款强大的文档处理库,主要用于在Java、.NET、Android等平台上进行Microsoft Word文档的操作。这个压缩包文件包含的"aspose-words"是该库的相关组件,主要功能在于无须安装Microsoft Office环境就能...
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。...
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 是一个强大的Java库,用于处理各种办公文档格式,如PDF、Word、Excel和PowerPoint等。在提供的压缩包中,我们有三个Aspose的特定版本的JAR文件和一个license.xml文件,它们分别是: 1. **aspose.slides-15.9...
Aspose 是一个强大的Java工具包,它为开发者提供了一系列API,用于处理各种文件格式,如Microsoft Office文档(Word、Excel、PowerPoint等)、PDF、图像和电子邮件等。这个工具包使得在Java应用程序中进行文件操作变...
在IT行业中,Aspose是一个知名的库,主要用于处理各种文件格式,如Word、PDF、Excel等。这个"aspose-words-16.6.0-jdk16带license.rar"压缩包显然包含了Aspose.Words for Java的一个版本,具体是16.6.0版,而且针对...
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...
2. **转换过程**:ALLTOTXT转换通常包括读取源文件、解析文件结构、提取文本内容、并将其保存为TXT文件的步骤。这个过程可能需要处理编码问题,因为不同的文件可能采用UTF-8、GBK或其他编码,转换时必须正确识别和...
`asponse.words` 是一个基于Java的库,主要用于处理Word文档和将其转换为PDF格式。这个库使用了Aspose.Words组件,一个强大的文件处理工具,可以用来创建、编辑、转换和显示Microsoft Word文档。Aspose.Words支持...
本资源提供了一个名为"非常好用的文档转pdfjar"的工具,它能够帮助用户将常见的Microsoft Office格式文件,如doc、docx、excel和ppt转换为PDF格式。这个工具基于Spire组件,是一个高效且易于使用的解决方案。 Spire...
Aspose.Cells是Java开发人员的利器,它提供了一套全面的API,使得在Java应用程序中创建、读取、修改和转换Excel文件变得轻而易举。通过这个库,开发者可以方便地执行以下操作: 1. **创建和编辑电子表格**:Aspose....
Aspose 是一个强大的开发工具集合,专为处理各种文件格式而设计,包括 Words、Cells、Slides 和 PDF。这些工具允许开发者在应用程序中实现对文档、电子表格、演示文稿和PDF文件的创建、编辑、转换和渲染等功能,而...