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

转载 2011年08月10日 11:24:31
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(' ');break; 
case HSSFCell.CELL_TYPE_STRING: 
buff.append(aCell.getStringCellValue()).append(' ');break;                                                              
}                            
}                                                                                 

buff.append(' '); 

}                                       
}            

} 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 + " ");
}
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();
}

金蝶EAS8.2,WAF2,F7数据过滤(单据头、分录均有F7字段)

业务场景:单据头含有商品分类F7字段,单据头含有商品F7字段,商品需要根据商品分类进行数据过滤。 单据分录中也含有商品F7字段,分录中商品字段同样需要根据单据头的商品类型字段进行数据过滤。 ...
  • guosyu
  • guosyu
  • 2017年06月05日 20:35
  • 553

EAS BOS DEP(动态扩展平台)基本操作

1 :DEP添加字段 2:界面获取DEP控件 (onload是调用此方法) private void initDEPComponent() { Hashtable srTable = new ...
  • tanrt
  • tanrt
  • 2016年11月25日 15:58
  • 1502

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

来自:http://blog.csdn.net/zlb824/article/details/7020191 以下是Java对几种文本文件内容读取代码。其中,OFFICE文档(WORD,EX...

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。 ...

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。 WORD: package textReader; ...
  • zlb824
  • zlb824
  • 2011年11月28日 16:52
  • 1224

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

WORD Java代码  package textReader;    import java.io.*;    import org.apache.poi.h...

java 读取word,excel,rtf,html,pdf,txt

  • 2013年06月14日 18:06
  • 26.62MB
  • 下载

PDF文件转化成word,ppt,excel,图片(png,jpg...),tiff,rtf,txt,html,PDF组合,PDF编辑,PDF创建

PDF文件转化成word,ppt,excel,图片(png,jpg...),tiff,rtf,txt,html,PDF组合,PDF编辑,PDF创建...

java实现爬虫技术,读取txt,word,excel,ppt,pdf,html等格式的文件

最近跟我同事一起做的项目要求读取txt,word,excel,ppt,pdf,html中的内容,不多说,先把代码贴出来,之后有时间再来做详细的解读。 这是读取txt文件 /** * 获取t...

HTML文件基本标记(四)-设计网页文本内容

1、标题文字 标题文字标签:h1~h6; 标题文字对齐方式:align=“left(左对齐)、center(居中)、right(右对齐)” 2、设置文字格式 设置文字字体:face=“字体名称”; 设...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法
举报原因:
原因补充:

(最多只允许输入30个字)