打印自: 长春工业大学三味书屋 地址: http://studyroom.ccut.edu.cn/article.php/8763 摘自 http://studyroom.ccut.edu.cn/print.php?/8763 Java抽取Word和PDF格式文件的四种武器(1) |
很多人用java进行文档操作时经常会遇到一个问题,就是如何获得word,excel,pdf等文档的内容?我研究了一下,在这里总结一下抽取word,pdf的几种方法。 1. 用jacob 其实jacob是一个bridage,连接java和com或者win32函数的一个中间件,jacob并不能直接抽取word,excel等文件,需要自己写dll哦,不过已经有为你写好的了,就是jacob的作者一并提供了。 jacob jar与dll文件下载: http://danadler.com/jacob/ 下载了jacob并放到指定的路径之后(dll放到path,jar文件放到classpath),就可以写你自己的抽取程序了,下面是一个简单的例子: import java.io.File; |
Java抽取Word和PDF格式文件的四种武器(2)
|
2. 用apache的poi来抽取word,excel poi是apache的一个项目,不过就算用poi你可能都觉得很烦,不过不要紧,这里提供了更加简单的一个接口给你: 下载经过封装后的poi包: http://jakarta.apache.org/poi/ 下载之后,放到你的classpath就可以了,下面是如何使用它的一个例子: import java.io.*; |
Java抽取Word和PDF格式文件的四种武器(3)
|
3. pdfbox-用来抽取pdf文件 但是pdfbox对中文支持还不好,先下载pdfbox: http://www.pdfbox.org/ 下面是一个如何使用pdfbox抽取pdf文件的例子: import org.pdfbox.pdmodel.PDdocument. |
Java抽取Word和PDF格式文件的四种武器(4)
|
4. 抽取支持中文的pdf文件-xpdf xpdf是一个开源项目,我们可以调用他的本地方法来实现抽取中文pdf文件。 下载xpdf函数包: http://www.foolabs.com/xpdf/ 同时需要下载支持中文的补丁包,按照readme放好中文的patch,就可以开始写调用本地方法的java程序了。 下面是一个如何调用的例子: import java.io.*; |