很多人用java進行文件操作時經常會遇到一個問題，就是如何獲得word，excel，pdf等文件的內容？我研究了一下，在這裡總結一下抽取word,pdf的幾種方法。

　　1. 用jacob

　　其實jacob是一個bridage，連線java和com或者win32函式的一箇中間件，jacob並不能直接抽取word,excel等檔案，需要自己寫dll哦，不過已經有為你寫好的了，就是jacob的作者一併提供了。

　　下載了jacob並放到指定的路徑之後(dll放到path,jar檔案放到classpath)，就可以寫你自己的抽取程式了，下面是一個簡單的例子：

import java.io.File;
import com.jacob.com.*;
import com.jacob.activeX.*;
/**
 * Title: pdf extraction
 * Description: email:

[email protected]
 * Copyright: Matrix Copyright (c) 2003
 * Company: Matrix.org.cn
 * @author chris
 * @version 1.0,who use this example pls remain the declare
 */
public class FileExtracter{
 public static void main(String[] args) {
  ActiveXComponent component = new ActiveXComponent("Word.Application");
  String inFile = "c://test.doc";
  String tpFile = "c://temp.htm";
  String otFile = "c://temp.xml";
  boolean flag = false;
  try {
   component.setProperty("Visible", new Variant(false));
   Object wordacc = component.getProperty("document．").toDispatch();
   Object wordfile = Dispatch.invoke(wordacc,"Open", Dispatch.Method,
                                     new Object[]{inFile,new Variant(false), new Variant(true)},
                                     new int[1] ).toDispatch();
   Dispatch.invoke(wordfile,"SaveAs", Dispatch.Method, new Object[]{tpFile,new Variant(8)}, new int[1]);
   Variant f = new Variant(false);
   Dispatch.call(wordfile, "Close", f);
   flag = true;
  } catch (Exception e) {
   e.printStackTrace();
  } finally {
   component.invoke("Quit", new Variant[] {});
  }
 }
}

　　2. 用apache的poi來抽取word，excel。

　　poi是apache的一個專案，不過就算用poi你可能都覺得很煩，不過不要緊，這裡提供了更加簡單的一個介面給你：

　　下載之後，放到你的classpath就可以了，下面是如何使用它的一個例子：

import java.io.*;
import  org.textmining.text.extraction.WordExtractor;
/**
 *

Title: word extraction

 *

Description: email:[email protected]

 *

Copyright: Matrix Copyright (c) 2003

 *

Company: Matrix.org.cn

 * @author chris
 * @version 1.0,who use this example pls remain the declare
 */

public class PdfExtractor {
  public PdfExtractor() {
  }
  public static void main(String args[]) throws Exception
  {
  FileInputStream in = new FileInputStream ("c://a.doc");
  WordExtractor extractor = new WordExtractor();
  String str = extractor.extractText(in);
  System.out.println("the result length is"+str.length());
   System.out.println("the result is"+str);
}
}

　　3. pdfbox-用來抽取pdf檔案

　　下面是一個如何使用pdfbox抽取pdf檔案的例子：

import org.pdfbox.pdmodel.PDdocument．
import org.pdfbox.pdfparser.PDFParser;
import java.io.*;
import org.pdfbox.util.PDFTextStripper;
import java.util.Date;
/**
 *

Title: pdf extraction

 *

Description: email:[email protected]

 *

Copyright: Matrix Copyright (c) 2003

 *

Company: Matrix.org.cn

 * @author chris
 * @version 1.0,who use this example pls remain the declare
 */

public class PdfExtracter{

public PdfExtracter(){
  }
public String GetTextFromPdf(String filename) throws Exception
  {
  String temp=null;
  PDdocument．nbsppdfdocument．null;
  FileInputStream is=new FileInputStream(filename);
  PDFParser parser = new PDFParser( is );
  parser.parse();
  pdfdocument．nbsp= parser.getPDdocument．);
  ByteArrayOutputStream out = new ByteArrayOutputStream();
  OutputStreamWriter writer = new OutputStreamWriter( out );
  PDFTextStripper stripper = new PDFTextStripper();
  stripper.writeText(pdfdocument．getdocument．), writer );
  writer.close();
  byte[] contents = out.toByteArray();

  String ts=new String(contents);
  System.out.println("the string length is"+contents.length+"/n");
  return ts;
}
public static void main(String args[])
{
PdfExtracter pf=new PdfExtracter();
PDdocument．nbsppdfdocument．nbsp= null;

try{
String ts=pf.GetTextFromPdf("c://a.pdf");
System.out.println(ts);
}
catch(Exception e)
  {
  e.printStackTrace();
  }
}

}

　　4. 抽取支援中文的pdf檔案－xpdf

　　xpdf是一個開源專案，我們可以呼叫他的本地方法來實現抽取中文pdf檔案。

　　同時需要下載支援中文的補丁包，按照readme放好中文的patch，就可以開始寫呼叫本地方法的java程式了。

　　下面是一個如何呼叫的例子：

import java.io.*;
/**
 *

Title: pdf extraction

 *

Description: email:[email protected]

 *

Copyright: Matrix Copyright (c) 2003

 *

Company: Matrix.org.cn

 * @author chris
 * @version 1.0,who use this example pls remain the declare
 */


public class PdfWin {
  public PdfWin() {
  }
  public static void main(String args[]) throws Exception
  {
    String PATH_TO_XPDF="C://Program Files//xpdf//pdftotext.exe";
    String filename="c://a.pdf";
    String[] cmd = new String[] { PATH_TO_XPDF, "-enc", "UTF-8", "-q", filename, "-"};
    Process p = Runtime.getRuntime().exec(cmd);
    BufferedInputStream bis = new BufferedInputStream(p.getInputStream());
    InputStreamReader reader = new InputStreamReader(bis, "UTF-8");
    StringWriter out = new StringWriter();
    char [] buf = new char[10000];
    int len;
    while((len = reader.read(buf))>= 0) {
    //out.write(buf, 0, len);
    System.out.println("the length is"+len);
    }
    reader.close();
    String ts=new String(buf);
    System.out.println("the str is"+ts);
  }
}

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1293505