阅读本章之前 请先参考其他几篇解析各类文档的章节
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780437[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780431[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780426[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780423[/url]
这里主要讲解根据文件类型自动解析文档(ppt , pdf , txt,doc,html,htm)
用java中的反射机制
先准备属性文件
parser.properties
工厂类ParserFactory
测试类
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780437[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780431[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780426[/url]
[url]http://wuzhaohuixy-qq-com.iteye.com/blog/780423[/url]
这里主要讲解根据文件类型自动解析文档(ppt , pdf , txt,doc,html,htm)
用java中的反射机制
先准备属性文件
parser.properties
txt=com.cs.TextParser
doc=com.cs.DocParser
rtf=com.cs.DocParser
ppt=com.cs.PPTParser
pdf=com.cs.PdfParser
html=com.cs.EasyHtmlParser
htm=com.cs.EasyHtmlParser
工厂类ParserFactory
package com.cs;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.lang.reflect.Constructor;
import java.lang.reflect.InvocationTargetException;
import java.util.Properties;
public class ParserFactory {
//该类一加载就把配置文件读到内存
static Properties ps ;
static{
ps = new Properties() ;
try {
ps.load(new FileInputStream("E:\\EclipseStudyWorkspace\\LuceneParse\\src\\parser.properties")) ;
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
//该方法根据文件的后缀名确定该文件的类型 然后格局配置文件的类型分词建立索引
public static Parsable getParser(File file){
String ext = file.getAbsolutePath().substring(file.getAbsolutePath().lastIndexOf(".") + 1) ;
String className = ps.getProperty(ext) ;
Parsable parser = null ;
if (className != null){
try {
//此处不能直接Class.forName().newInstance()
//原因:要传参数
//所以要先拿到构造器 然后根据构造器区newInstance() 此时就可以传入参数了
Class clazz = Class.forName(className) ;
//根据参数的不同拿到不同的构造器
Constructor constructor = clazz.getConstructor(new Class[]{File.class}) ;//此处传入的参数是Class类型
parser = (Parsable)constructor.newInstance(new Object[]{file}) ;
} catch (ClassNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (SecurityException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (NoSuchMethodException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IllegalArgumentException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (InstantiationException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IllegalAccessException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (InvocationTargetException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return parser ;
}
}
测试类
package com.cs;
import java.io.File;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Parsable parser = null ;
parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\搜索引擎-基础.ppt"));
// parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\123.pdf"));
// parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\www.htm"));
// parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\XPDF使用文档.doc"));
// parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\文档.txt"));
// parser = ParserFactory.getParser(new File("E:\\EclipseStudyWorkspace\\LuceneParse\\fileSource\\BaseItem.html"));
System.out.println(" content : "+parser.getContent()) ;
}
}