Android系统中如何得到各种格式的文件正文(office文件,PDF,邮件,html,zip等)

kkyy2021

已于 2022-01-24 16:37:36 修改

阅读量2.1k

点赞数

分类专栏：文件内容全文检索跨平台文件正文提取 office文件提取正文文章标签： android 中文分词搜索引擎全文检索 lucene

于 2022-01-23 19:31:59 首次发布

本文链接：https://blog.csdn.net/kkyy2021/article/details/122655659

版权

在Android开发中，为了实现对多种格式文件（如Office、PDF、HTML、ZIP等）内容的搜索和查找，通常需要进行正文分析提取。推荐使用Graccvs组件，它支持多种格式，操作简便，提取效率高。该组件以AAR形式提供，并包含Android Studio示例工程。通过简单的步骤（导入aar、初始化、注册、调用提取函数）即可实现文件正文提取，完成任务后记得释放资源。

摘要由CSDN通过智能技术生成

在Android平台下，办公系统，ERP，CRM等开发过程中，需要对Doc, docx, xls, xlsx, ppt, ppts, pdf, html等各种格式的文件内容进行搜索和查找，实现这些格式文件正文分析提取是一件工作量巨大的工程。现在给大家推荐一款免费的开发组件Graccvs，完成文件正文提取分析，组件支持格式多，调用简单方便，正文提取速度快。

组件是以AAR格式提供的，这里是下载地址模板OCR识别工具--Graccvs文件正文提取开发组件--软件下载 (gaya-soft.cn)。同时网站提供Android Studio工程示例说明Graccvs文件正文提取开发组件--Android--Java--在线帮助 (gaya-soft.cn)。

组件支持常见各种文件格式”.pdf", ".doc", ".odt", ".docx", ".dotm", ".docm", ".wps", ".xls", ".xlsx", ".xlsm", ".xltm", ".et", ".ppt", ".pptx", ".potm", ".pptm", ".ppsm", ".dps", ".ofd"(电子发票版式文件), ".rtf",".html", ".htm", ".mht", ".mhtml", ".eml", ".emmx", "xmind", "gmind", ".chm", ".zip" 等。

以下简单的调用过程：

1：创建工程。
2：app\libs文件夹导入graccvs.aar。
3：Android工程的app的build.gradle文件dependencies单元中增加如下代码
implementation files('libs/graccvs.aar')
4：调用初始化函数Load设置动态链接库需要的临时文件夹。
5：调用Auth注册，免费版本设置为空。
6：调用文件函数ToTextFile、HttpToString等提取N个不同文件的正文，或者使用异步函数批量处理文件。
7：完成文件提取任务后调用 Unload函数，释放资源组件使用的资源。

主要代码单元 MainActivity.java：

package tx.graccvslibtest;
 
import android.os.Bundle;
import android.app.Activity;
import android.content.pm.PackageManager;
import androidx.appcompat.app.AppCompatActivity;
import android.view.View;
import android.widget.Button;
import android.widget.TextView;
import androidx.core.app.ActivityCompat;
import java.io.File;
import java.io.IOException;
//注意：这里导入包含文件
import graccvs.GraccvsLib;
 
public class M