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]  view plain copy

1.  WORD   
2.   
3. Java代码   
4. package textReader;      
5. import java.io.*;      
6. import org.apache.poi.hwpf.extractor.WordExtractor;      
7.      
8. public class WordReader {      
9.     public WordReader(){      
10.     }      
11.     /**    
12.      * @param filePath 文件路径    
13.      * @return 读出的Word的内容    
14.      */     
15.     public String getTextFromWord(String filePath){      
16.         String result = null;      
17.         File file = new File(filePath);      
18.         try{      
19.             FileInputStream fis = new FileInputStream(file);      
20.             WordExtractor wordExtractor = new WordExtractor(fis);      
21.             result = wordExtractor.getText();      
22.         }catch(FileNotFoundException e){      
23.             e.printStackTrace();      
24.         }catch(IOException e){      
25.             e.printStackTrace();      
26.         };      
27.         return result;      
28.     }      
29. }     
30.   
31. package textReader;  
32. import java.io.*;  
33. import org.apache.poi.hwpf.extractor.WordExtractor;  
34. public class WordReader {  
35. public WordReader(){  
36. }  
37. /** 
38. * @param filePath 文件路径 
39. * @return 读出的Word的内容 
40. */  
41. public String getTextFromWord(String filePath){  
42. String result = null;  
43. File file = new File(filePath);  
44. try{  
45. FileInputStream fis = new FileInputStream(file);  
46. WordExtractor wordExtractor = new WordExtractor(fis);  
47. result = wordExtractor.getText();  
48. }catch(FileNotFoundException e){  
49. e.printStackTrace();  
50. }catch(IOException e){  
51. e.printStackTrace();  
52. };  
53. return result;  
54. }  
55. }  
56.   
57.      
58.   
59.   EXCEL   
60.   
61. Java代码   
62. package textReader;      
63. import org.apache.poi.hssf.usermodel.HSSFWorkbook;      
64. import org.apache.poi.hssf.usermodel.HSSFSheet;      
65. import org.apache.poi.hssf.usermodel.HSSFRow;      
66. import org.apache.poi.hssf.usermodel.HSSFCell;      
67.      
68. import java.io.FileInputStream;      
69. import java.io.FileNotFoundException;      
70. import java.io.IOException;      
71.      
72.      
73. public class ExcelReader {      
74.      
75.     @SuppressWarnings("deprecation")      
76.     /**    
77.      * @param filePath 文件路径    
78.      * @return 读出的Excel的内容    
79.      */     
80.     public String getTextFromExcel(String filePath) {      
81.         StringBuffer buff = new StringBuffer();      
82.         try {      
83.             //创建对Excel工作簿文件的引用      
84.             HSSFWorkbook wb = new HSSFWorkbook(new FileInputStream(filePath));      
85.             //创建对工作表的引用。              
86.             for (int numSheets = 0; numSheets < wb.getNumberOfSheets(); numSheets++) {      
87.                 if (null != wb.getSheetAt(numSheets)) {      
88.                     HSSFSheet aSheet = wb.getSheetAt(numSheets);//获得一个sheet      
89.                     for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet.getLastRowNum(); rowNumOfSheet++) {      
90.                         if (null != aSheet.getRow(rowNumOfSheet)) {      
91.                             HSSFRow aRow = aSheet.getRow(rowNumOfSheet); //获得一个行      
92.                             for (int cellNumOfRow = 0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) {      
93.                                 if (null != aRow.getCell(cellNumOfRow)) {      
94.                                     HSSFCell aCell = aRow.getCell(cellNumOfRow);//获得列值      
95.                                     switch(aCell.getCellType()){      
96.                                         case HSSFCell.CELL_TYPE_FORMULA:      
97.                                             break;       
98.                                         case HSSFCell.CELL_TYPE_NUMERIC:      
99.                                             buff.append(aCell.getNumericCellValue()).append('/t');break;      
100.                                         case HSSFCell.CELL_TYPE_STRING:      
101.                                             buff.append(aCell.getStringCellValue()).append('/t');break;                                                                   
102.                                 }                                 
103.                         }                                                                                      
104.                     }      
105.                     buff.append('/n');      
106.                     }      
107.                 }                                            
108.             }                 
109.         }      
110.         } catch (FileNotFoundException e) {      
111.             e.printStackTrace();      
112.         } catch (IOException e) {      
113.             e.printStackTrace();      
114.         }      
115.         return buff.toString();      
116.     }                  
117. }     
118. package textReader;  
119. import org.apache.poi.hssf.usermodel.HSSFWorkbook;  
120. import org.apache.poi.hssf.usermodel.HSSFSheet;  
121. import org.apache.poi.hssf.usermodel.HSSFRow;  
122. import org.apache.poi.hssf.usermodel.HSSFCell;  
123. import java.io.FileInputStream;  
124. import java.io.FileNotFoundException;  
125. import java.io.IOException;  
126. public class ExcelReader {  
127. @SuppressWarnings("deprecation")  
128. /** 
129. * @param filePath 文件路径 
130. * @return 读出的Excel的内容 
131. */  
132. public String getTextFromExcel(String filePath) {  
133. StringBuffer buff = new StringBuffer();  
134. try {  
135. //创建对Excel工作簿文件的引用  
136. HSSFWorkbook wb = new HSSFWorkbook(new FileInputStream(filePath));  
137. //创建对工作表的引用。  
138. for (int numSheets = 0; numSheets < wb.getNumberOfSheets(); numSheets++) {  
139. if (null != wb.getSheetAt(numSheets)) {  
140. HSSFSheet aSheet = wb.getSheetAt(numSheets);//获得一个sheet  
141. for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet.getLastRowNum(); rowNumOfSheet++) {  
142. if (null != aSheet.getRow(rowNumOfSheet)) {  
143. HSSFRow aRow = aSheet.getRow(rowNumOfSheet); //获得一个行  
144. for (int cellNumOfRow = 0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) {  
145. if (null != aRow.getCell(cellNumOfRow)) {  
146. HSSFCell aCell = aRow.getCell(cellNumOfRow);//获得列值  
147. switch(aCell.getCellType()){  
148. case HSSFCell.CELL_TYPE_FORMULA:  
149. break;  
150. case HSSFCell.CELL_TYPE_NUMERIC:  
151. buff.append(aCell.getNumericCellValue()).append('/t');break;  
152. case HSSFCell.CELL_TYPE_STRING:  
153. buff.append(aCell.getStringCellValue()).append('/t');break;  
154. }  
155. }  
156. }  
157. buff.append('/n');  
158. }  
159. }  
160. }  
161. }  
162. } catch (FileNotFoundException e) {  
163. e.printStackTrace();  
164. } catch (IOException e) {  
165. e.printStackTrace();  
166. }  
167. return buff.toString();  
168. }  
169. }  
170.   
171.     
172.   
173.   PDF     
174.   
175. Java代码   
176. package textReader;      
177. import java.io.FileInputStream;      
178. import java.io.FileNotFoundException;      
179. import java.io.IOException;      
180.      
181. import org.pdfbox.pdfparser.PDFParser;      
182. import org.pdfbox.pdmodel.PDDocument;      
183. import org.pdfbox.util.PDFTextStripper;      
184.      
185.      
186. public class PdfReader {      
187.     public PdfReader(){      
188.     }      
189.     /**    
190.      * @param filePath 文件路径    
191.      * @return 读出的pdf的内容    
192.      */     
193.     public String getTextFromPdf(String filePath) {      
194.         String result = null;      
195.         FileInputStream is = null;      
196.         PDDocument document = null;      
197.         try {      
198.             is = new FileInputStream(filePath);      
199.             PDFParser parser = new PDFParser(is);      
200.             parser.parse();      
201.             document = parser.getPDDocument();      
202.             PDFTextStripper stripper = new PDFTextStripper();      
203.             result = stripper.getText(document);      
204.         } catch (FileNotFoundException e) {      
205.             e.printStackTrace();      
206.         } catch (IOException e) {      
207.             e.printStackTrace();      
208.         } finally {      
209.             if (is != null) {      
210.                 try {is.close();}catch(IOException e){e.printStackTrace();}      
211.             }      
212.             if (document != null) {      
213.                 try{document.close();}catch (IOException e){e.printStackTrace();}      
214.             }      
215.         }      
216.         return result;      
217.     }      
218.      
219. }     
220. package textReader;  
221. import java.io.FileInputStream;  
222. import java.io.FileNotFoundException;  
223. import java.io.IOException;  
224. import org.pdfbox.pdfparser.PDFParser;  
225. import org.pdfbox.pdmodel.PDDocument;  
226. import org.pdfbox.util.PDFTextStripper;  
227. public class PdfReader {  
228. public PdfReader(){  
229. }  
230. /** 
231. * @param filePath 文件路径 
232. * @return 读出的pdf的内容 
233. */  
234. public String getTextFromPdf(String filePath) {  
235. String result = null;  
236. FileInputStream is = null;  
237. PDDocument document = null;  
238. try {  
239. is = new FileInputStream(filePath);  
240. PDFParser parser = new PDFParser(is);  
241. parser.parse();  
242. document = parser.getPDDocument();  
243. PDFTextStripper stripper = new PDFTextStripper();  
244. result = stripper.getText(document);  
245. } catch (FileNotFoundException e) {  
246. e.printStackTrace();  
247. } catch (IOException e) {  
248. e.printStackTrace();  
249. } finally {  
250. if (is != null) {  
251. try {is.close();}catch(IOException e){e.printStackTrace();}  
252. }  
253. if (document != null) {  
254. try{document.close();}catch (IOException e){e.printStackTrace();}  
255. }  
256. }  
257. return result;  
258. }  
259. }  
260.   
261.   TXT   
262.   
263. Java代码   
264. package textReader;      
265. import java.io.*;      
266.      
267.      
268. public class TxtReader {      
269.     public TxtReader() {              
270.     }      
271.     /**    
272.      * @param filePath 文件路径    
273.      * @return 读出的txt的内容    
274.      */     
275.     public String getTextFromTxt(String filePath) throws Exception {      
276.               
277.         FileReader fr = new FileReader(filePath);      
278.         BufferedReader br = new BufferedReader(fr);      
279.         StringBuffer buff = new StringBuffer();      
280.         String temp = null;      
281.         while((temp = br.readLine()) != null){      
282.             buff.append(temp + "/r/n");      
283.         }      
284.         br.close();           
285.         return buff.toString();           
286.     }      
287. }     
288. package textReader;  
289. import java.io.*;  
290. public class TxtReader {  
291. public TxtReader() {  
292. }  
293. /** 
294. * @param filePath 文件路径 
295. * @return 读出的txt的内容 
296. */  
297. public String getTextFromTxt(String filePath) throws Exception {  
298. FileReader fr = new FileReader(filePath);  
299. BufferedReader br = new BufferedReader(fr);  
300. StringBuffer buff = new StringBuffer();  
301. String temp = null;  
302. while((temp = br.readLine()) != null){  
303. buff.append(temp + "/r/n");  
304. }  
305. br.close();  
306. return buff.toString();  
307. }  
308. }  
309. RTF   
310.   
311. Java代码   
312. package textReader;      
313. import java.io.File;      
314. import java.io.FileInputStream;      
315. import java.io.IOException;      
316. import java.io.InputStream;      
317.      
318. import javax.swing.text.BadLocationException;      
319. import javax.swing.text.DefaultStyledDocument;      
320. import javax.swing.text.rtf.RTFEditorKit;      
321.      
322.      
323. public class RtfReader {      
324.     public RtfReader(){      
325.     }      
326.     /**    
327.      * @param filePath 文件路径    
328.      * @return 读出的rtf的内容    
329.      */     
330.     public String getTextFromRtf(String filePath) {      
331.         String result = null;      
332.         File file = new File(filePath);      
333.         try {             
334.             DefaultStyledDocument styledDoc = new DefaultStyledDocument();      
335.             InputStream is = new FileInputStream(file);      
336.             new RTFEditorKit().read(is, styledDoc, 0);      
337.             result = new String(styledDoc.getText(0,styledDoc.getLength()).getBytes("ISO8859_1"));      
338.             //提取文本，读取中文需要使用ISO8859_1编码，否则会出现乱码      
339.         } catch (IOException e) {      
340.             e.printStackTrace();      
341.         } catch (BadLocationException e) {      
342.             e.printStackTrace();      
343.         }      
344.         return result;      
345.     }      
346.           
347. }     
348. package textReader;  
349. import java.io.File;  
350. import java.io.FileInputStream;  
351. import java.io.IOException;  
352. import java.io.InputStream;  
353. import javax.swing.text.BadLocationException;  
354. import javax.swing.text.DefaultStyledDocument;  
355. import javax.swing.text.rtf.RTFEditorKit;  
356. public class RtfReader {  
357. public RtfReader(){  
358. }  
359. /** 
360. * @param filePath 文件路径 
361. * @return 读出的rtf的内容 
362. */  
363. public String getTextFromRtf(String filePath) {  
364. String result = null;  
365. File file = new File(filePath);  
366. try {  
367. DefaultStyledDocument styledDoc = new DefaultStyledDocument();  
368. InputStream is = new FileInputStream(file);  
369. new RTFEditorKit().read(is, styledDoc, 0);  
370. result = new String(styledDoc.getText(0,styledDoc.getLength()).getBytes("ISO8859_1"));  
371. //提取文本，读取中文需要使用ISO8859_1编码，否则会出现乱码  
372. } catch (IOException e) {  
373. e.printStackTrace();  
374. } catch (BadLocationException e) {  
375. e.printStackTrace();  
376. }  
377. return result;  
378. }  
379. }  
380.    HTML   
381.   
382. Java代码   
383. package textReader;      
384. import java.io.*;      
385.      
386. public class HtmlReader {      
387.     public HtmlReader() {      
388.     }      
389.     /**    
390.      * @param filePath 文件路径    
391.      * @return 获得html的全部内容    
392.      */     
393.     public String readHtml(String filePath) {      
394.         BufferedReader br=null;      
395.         StringBuffer sb = new  StringBuffer();      
396.         try {      
397.             br=new BufferedReader(new InputStreamReader(new FileInputStream(filePath),  "GB2312"));               
398.             String temp=null;             
399.             while((temp=br.readLine())!=null){      
400.                 sb.append(temp);      
401.             }                 
402.         } catch (FileNotFoundException e) {      
403.             e.printStackTrace();      
404.         } catch (IOException e) {      
405.             e.printStackTrace();      
406.         }      
407.         return sb.toString();      
408.     }      
409.     /**    
410.      * @param filePath 文件路径    
411.      * @return 获得的html文本内容    
412.      */     
413.     public String getTextFromHtml(String filePath) {      
414.         //得到body标签中的内容      
415.         String str= readHtml(filePath);      
416.         StringBuffer buff = new StringBuffer();      
417.         int maxindex = str.length() - 1;      
418.         int begin = 0;      
419.         int end;                  
420.         //截取>和<之间的内容      
421.         while((begin = str.indexOf('>',begin)) < maxindex){                 
422.             end = str.indexOf('<',begin);      
423.             if(end - begin > 1){      
424.                 buff.append(str.substring(++begin, end));                     
425.             }                 
426.             begin = end+1;      
427.         };            
428.         return buff.toString();      
429.     }      
430.      
431. }     
432. package textReader;  
433. import java.io.*;  
434. public class HtmlReader {  
435. public HtmlReader() {  
436. }  
437. /** 
438. * @param filePath 文件路径 
439. * @return 获得html的全部内容 
440. */  
441. public String readHtml(String filePath) {  
442. BufferedReader br=null;  
443. StringBuffer sb = new  StringBuffer();  
444. try {  
445. br=new BufferedReader(new InputStreamReader(new FileInputStream(filePath),  "GB2312"));  
446. String temp=null;  
447. while((temp=br.readLine())!=null){  
448. sb.append(temp);  
449. }  
450. } catch (FileNotFoundException e) {  
451. e.printStackTrace();  
452. } catch (IOException e) {  
453. e.printStackTrace();  
454. }  
455. return sb.toString();  
456. }  
457. /** 
458. * @param filePath 文件路径 
459. * @return 获得的html文本内容 
460. */  
461. public String getTextFromHtml(String filePath) {  
462. //得到body标签中的内容  
463. String str= readHtml(filePath);  
464. StringBuffer buff = new StringBuffer();  
465. int maxindex = str.length() - 1;  
466. int begin = 0;  
467. int end;  
468. //截取>和<之间的内容  
469. while((begin = str.indexOf('>',begin)) < maxindex){  
470. end = str.indexOf('<',begin);  
471. if(end - begin > 1){  
472. buff.append(str.substring(++begin, end));  
473. }  
474. begin = end+1;  
475. };  
476. return buff.toString();  
477. }  
478. }  

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。