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

最新推荐文章于 2023-02-15 16:26:41 发布

Linda_Lindaaaa

最新推荐文章于 2023-02-15 16:26:41 发布

阅读量1.5k

点赞数

分类专栏： Java学习

Java学习专栏收录该内容

6 篇文章 0 订阅

订阅专栏

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,EXCEL）使用了POI控件，PDF使用了PDFBOX控件。

WORD:

package textReader;   
  
import java.io.File;   
import java.io.FileInputStream;   
import java.io.FileNotFoundException;   
import java.io.IOException;   
  
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 java.io.FileInputStream;   
import java.io.FileNotFoundException;   
import java.io.IOException;   
  
import org.apache.poi.hssf.usermodel.HSSFCell;   
import org.apache.poi.hssf.usermodel.HSSFRow;   
import org.apache.poi.hssf.usermodel.HSSFSheet;   
import org.apache.poi.hssf.usermodel.HSSFWorkbook;   
  
public class ExcelReader {   
  
    /*   
     * @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:：

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.BufferedReader;   
import java.io.FileReader;   
  
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.BufferedReader;   
import java.io.FileInputStream;   
import java.io.FileNotFoundException;   
import java.io.IOException;   
import java.io.InputStreamReader;   
  
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();   
    }   
  
}

相关控件的下载地址和配置方法:

一、POI
POI是Apache的Jakata项目，POI 代表 Poor Obfuscation Implementation，即不良模糊化实现。POI 的目标就是提供一组 Java API 来使得基于 Microsoft OLE 2 Compound Document 格式的 Microsoft Office 文件易于操作。

下载地址：http://apache.etoak.com/poi/release/bin/

相关配置：
（1）把下载的 poi-bin-3.5-FINAL-20090928.tar.gz 解压。
（2）将以下四个jar包拷入项目的lib文件夹下（如还未建立lib目录，则先创建一个，不一定要是这个位置，只要classpath能找到jar就可以）。
poi-3.5-FINAL-20090928.jar
poi-contrib-3.5-FINAL-20090928.jar
poi-ooxml-3.5-FINAL-20090928.jar
poi-scratchpad-3.5-FINAL-20090928.jar
（3）在工程上单击右键，在弹出的快捷菜单中选择“Build Path->Config Build Path->Add Jars”命令进行添加。
（4）在Order and Export标签页勾选库文件。

二、PDFBOX
PDFBOX是一个为开发人员读取和创建PDF文档而准备的纯Java类库。

下载地址：http://sourceforge.net/projects/pdfbox/

相关配置：
（1）把下载的 PDFBox-0.7.3.zip 解压
（2）进入external目录，这里包括了PDFBox所有用到的外部包。复制以下Jar包到工程lib目录下
bcmail-jdk14-132.jar
bcprov-jdk14-132.jar
checkstyle-all-4.2.jar
FontBox-0.1.0-dev.jar
lucene-core-2.0.0.jar
（3）然后再从PDFBox的lib目录下，复制PDFBox-0.7.3.jar到工程的lib目录下
（4）在工程上单击右键，在弹出的快捷菜单中选择“Build Path->Config Build Path->A5dd Jars”命令，把工程lib目录下面的包都加入工程的Build Path。
（ 5 ）在Order and Export标签页勾选库文件。

三、JDOM
JDOM是一个开源项目，它基于树型结构，利用纯JAVA的技术对XML文档实现解析、生成、序列化以及多种操作。
下载地址： http://www.jdom.org/downloads/index.html
相关配置：
（1）把下载的jdom-1.1.1.tar.gz 解压
（2）进入build目录，把jdom.jar 拷入项目的lib文件夹下
（3）在工程上单击右键，在弹出的快捷菜单中选择“Build Path->Config Build Path->Add Jars”命令进行添加。
（4）在Order and Export标签页勾选库文件。

Linda_Lindaaaa

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
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,EXCEL）使用了POI控件，PDF使用了PDFBOX控件。WORD:package textReader; import java.io.File; import java
复制链接

扫一扫