1,项目背景
Word,Excel,PPT,PDF,这种文档的标准是公开的,所以呢,有很多方法可以打开文件,读取内容。例如:要打开各种office文档,可以使用POI jar包;要打开pdf文档,可以使用pdf box ;而且呢,这些工具非常多,还都是开源的,网上很多地方可以下载。即使不用这些工具,也可以使用微软的dll,照样可以工作。
而sep文件、gd文件,是国内一家公司,书生公司自己设计的,用于公文传输,所以设置了保密格式,没有公开文件标准。网上是没法找到读取的方案或者jar包的,要解决这个问题,必须找书生公司提供服务。解决问题的快慢,主要就是依靠书生公司了。
理想上,最好的办法是由书生公司提供一些jar包或者dll,可以在程序里调用,这样使用起来会非常容易。
目前呢,没有这么友好的接口,书生公司提供了几个网页。这样在批量使用的时候会比较麻烦,还需要自己设计程序去兼容,但是总比没有的好。
2,解决方案
书生阅读器可以打开sep、gd、gw格式的文件。然后我们现在需要的是,逆向过程,就是通过一个程序化的方法,批量执行,从sep文档里面提取出文本内容。
目前北京书生公司提供的解决方案,是2个网页