2. 程式人生 > >JAVA中通過poi和pdfbox讀取office檔案和pdf檔案內容

JAVA中通過poi和pdfbox讀取office檔案和pdf檔案內容

阿新 • • 發佈：2019-02-18
xlsx
* @param file
* @return
* @throws IOException
*/
public static String readEXCEL2007(String file) throws IOException {
StringBuilder content = new StringBuilder();
XSSFWorkbook workbook = new XSSFWorkbook(file);
for (int numSheets = 0; numSheets < workbook.getNumberOfSheets(); numSheets++) {
if (null != workbook.getSheetAt(numSheets)) {
XSSFSheet aSheet = workbook.getSheetAt(numSheets);// 獲得一個sheet
for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet
.getLastRowNum(); rowNumOfSheet++) {
if (null != aSheet.getRow(rowNumOfSheet)) {
XSSFRow aRow = aSheet.getRow(rowNumOfSheet); // 獲得一個行
for (short cellNumOfRow = 0; cellNumOfRow <= aRow
.getLastCellNum(); cellNumOfRow++) {
if (null != aRow.getCell(cellNumOfRow)) {
XSSFCell aCell = aRow.getCell(cellNumOfRow);// 獲得列值
if (convertCell(aCell).length() > 0) {
content.append(convertCell(aCell));
}
}
content.append("\n");
}
}
}
}
}
return content.toString();
}

private static String convertCell(Cell cell) {
NumberFormat formater = NumberFormat.getInstance();
formater.setGroupingUsed(false);
String cellValue = "";
if (cell == null) {
return cellValue;
}
switch (cell.getCellType()) {
case HSSFCell.CELL_TYPE_NUMERIC:
cellValue = formater.format(cell.getNumericCellValue());
break;
case HSSFCell.CELL_TYPE_STRING:
cellValue = cell.getStringCellValue();
break;
case HSSFCell.CELL_TYPE_BLANK:
cellValue = cell.getStringCellValue();
break;
case HSSFCell.CELL_TYPE_BOOLEAN:
cellValue = Boolean.valueOf(cell.getBooleanCellValue()).toString();
break;
case HSSFCell.CELL_TYPE_ERROR:
cellValue = String.valueOf(cell.getErrorCellValue());
break;
default:
cellValue = "";
}
return cellValue.trim();
}

/**
* 讀取doc檔案

* @param file
* @return
* @throws Exception
*/
public static String readWORD(String file) throws Exception {
String returnStr = "";
try {
WordExtractor wordExtractor = new WordExtractor(new FileInputStream(new File(file)));
returnStr = wordExtractor.getText();
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
return returnStr;
}

/**
* 讀取docx檔案

* @param file
* @return
* @throws Exception
*/
public static String readWORD2007(String file) throws Exception {
     return new XWPFWordExtractor(POIXMLDocument.openPackage(file)).getText();   
}

/**
* 讀取txt檔案
* @param file
* @return
* @throws IOException
*/
public  static String readTXT(String file) throws IOException {
String encoding = get_charset(new File(file));
if (encoding.equalsIgnoreCase("GBK")) {
return FileUtils.readFileToString(new File(file), "gbk");
} else {
return FileUtils.readFileToString(new File(file), "utf8");
}
}

private static String get_charset(File file) throws IOException {
String charset = "GBK";
byte[] first3Bytes = new byte[3];
BufferedInputStream bis = null;
try {
boolean checked = false;
bis = new BufferedInputStream(new FileInputStream(file));
bis.mark(0);
int read = bis.read(first3Bytes, 0, 3);
if (read == -1)
return charset;
if (first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE) {
charset = "UTF-16LE";
checked = true;
} else if (first3Bytes[0] == (byte) 0xFE
&& first3Bytes[1] == (byte) 0xFF) {
charset = "UTF-16BE";
checked = true;
} else if (first3Bytes[0] == (byte) 0xEF
&& first3Bytes[1] == (byte) 0xBB
&& first3Bytes[2] == (byte) 0xBF) {
charset = "UTF-8";
checked = true;
}
bis.reset();
if (!checked) {
// int len = 0;
int loc = 0;


while ((read = bis.read()) != -1) {
loc++;
if (read >= 0xF0)
break;
if (0x80 <= read && read <= 0xBF) // 單獨出現BF以下的，也算是GBK
break;
if (0xC0 <= read && read <= 0xDF) {
read = bis.read();
if (0x80 <= read && read <= 0xBF) // 雙位元組 (0xC0 - 0xDF)
// (0x80
// - 0xBF),也可能在GB編碼內
continue;
else
break;
} else if (0xE0 <= read && read <= 0xEF) {// 也有可能出錯，但是機率較小
read = bis.read();
if (0x80 <= read && read <= 0xBF) {
read = bis.read();
if (0x80 <= read && read <= 0xBF) {
charset = "UTF-8";
break;
} else
break;
} else
break;
}
}
// System.out.println( loc + " " + Integer.toHexString( read )
// );
}
} catch (Exception e) {
e.printStackTrace();
} finally {
if (bis != null) {
bis.close();
}
}
return charset;
}

/**
* 讀取pdf檔案內容

* @param file
* @return
* @throws IOException
*/
public static String readPDF(String file) throws IOException {
String result = null;
FileInputStream is = null;
PDDocument document = null;
try {
is = new FileInputStream(file);
PDFParser parser = new PDFParser(new RandomAccessBuffer(is));
parser.parse();
document = parser.getPDDocument();
PDFTextStripper stripper = new PDFTextStripper();
result = stripper.getText(document);
} finally {
if (is != null) {
is.close();
}
if (document != null) {
document.close();
}
}
return result;
}

相關推薦

JAVA中通過poi和pdfbox讀取office檔案和pdf檔案內容

xlsx* @param file* @return* @throws IOException*/public static String readEXCEL2007(String file) throws IOException {StringBuilder content = new StringBuil

Java中IO流文件讀取、寫入和復制

復制 循環 int files catch class close brush system //構造文件File類 File f=new File(fileName); //判斷是否為目錄 f.isDirectory(); //獲取目錄下的文件名 String[] fil

Java通過Poi的開發Excel匯入匯出和下載功能

原文連結：http://www.zjhuiwan.cn/toDetail?articleId=1812131133133410000 最近有用到Excel的下載、匯入、匯出功能。提供一個Excel模板給使用者下載，使用者根據規範填寫模板然後再匯入Excel資料，儲存到資料庫，也可匯出類表資料

Java中通過wait和notify來實現生產者和消費者模式

今天通過介紹一下如何通過wait和notify來實現生產者和消費者模式。 通過synchronized同步程式碼塊實現執行緒的同步操作，從而保證資料的一致性。下面具體介紹一下這個模式的實現過程。 1.首先編寫一個生產者類： public class Producer imp

Java中通過例項得到實體類中的屬性和屬性值

方式一(實體類)：1234567//java中遍歷實體類，獲取屬性名和屬性值public static void testReflect(Object model) throws Exception{for (Field field : model.getClass().ge

Java中通過方法創建一個http連接並請求

servlet 讀取 mage equals contex method ade temp password 1.Java代碼創建一個連接並請求該連接返回的數據 doGet()方法，execute()方法中調用 package demo2.x.com;

Java中使用字節流類讀取文本內容

length inpu pre puts output 寫入 log oid cnblogs package cn.jbit.inputstream; import java.io.File; import java.io.FileInputStream; import

JAVA中日期 yyyy-MM-dd HH:mm:ss和yyyy-MM-dd hh:mm:ss的區別

pac color test orm nbsp spa div rbegin println JAVA中日期 yyyy-MM-dd HH:mm:ss和yyyy-MM-dd hh:mm:ss的區別 : HH：24小時制 hh：12小時制 package t

Java中XML文件的讀取與寫入

讀取 聯系 過程 樹形 樹形結構 java 以及 ade 文件的 表現：以 “.xml”為文件擴展名的文件； 存儲：樹形結構； 用途：存儲以及傳遞信息；利用相同的XML文件將不同的系統聯系起來； 在Java程序中如何獲取XML文件的內容？ 在Java程序中讀取XML文

Java中通過method對象來調用方法

ring demo1 rac body test 示例 進行 pos exc 1 package reflectTest; 2 3 import java.lang.reflect.Method; 4 5 /** 6 * 通過獲取類類型，進而獲取Meth

在JAVA中返回類型使用泛型T和Object有什麽區別？

some http cast one gpo aud pre 使用 安全 最近在讀jackson源碼的時候發現有段代碼返回類型寫的是<T> T，而我自己一般寫的是Object。上網搜了下這個語法糖，在stackoverflow上找到一個比較簡單易懂的解釋，搬運過

JAVA中通過Hibernate-Validation進行參數驗證

tst map art 合法性 iter AI 字符 nta ali 在開發JAVA服務器端代碼時，我們會遇到對外部傳來的參數合法性進行驗證，而hibernate-validator提供了一些常用的參數校驗註解，我們可以拿來使用。1.maven中引入hibernate-

java中為什麽接口中的屬性和方法都默認為public？

默認 bsp hole chapter -s 勝任 做出 com public 4）為什麽接口中的屬性和方法都默認為public？Sun公司當初為什麽要把java的接口設計發明成這樣？ 【新手可忽略不影響繼續學習】（視頻下載） （全部書籍）答：如上所述，馬克-to-win：

java中介面（interface）及使用方法和注意事項

1、介面：一種把類抽象的更徹底，接口裡只能包含抽象方法的“特殊類”。介面不關心類的內部狀態資料，定義的是一批類所遵守的規範。（它只規定這批類裡必須提供某些方法，提供這些方法就可以滿足實際要求）。 在JAVA程式語言中是一個抽象型別，是抽象方法的集合，介面通常以interface來宣告。一個類通過

Java中nextInt()之後的nextLine()讀取不到鍵盤輸入的情況

今天在刷題過程中遇到一個奇怪的問題。 Scanner in = new Scanner(System.in); int count= in.nextInt(); String pile = in.nextLine(); String[] piles = pile.split(" "); 因

Java中使用FastJSON進行物件的序列化和反序列化

Java中使用FastJSON進行物件的序列化和反序列化 1.新增依賴，maven的pom.xml檔案中新增以下依賴 <dependency> <groupId>com.alibaba</groupId> <arti

Java中通過反射判斷私有屬性是否為空的工具類

class ObjectIsEmptyUtil { public static boolean isEmpty(Object obj, String objProperty) throws Exception, IllegalAccessException { // 獲取類物件

java中HashMap、CurrentHashMap 工作原理&&和HashTable、HashSet的區別

HashMap和HashTable的區別 HashMap儲存的是鍵值對（接受null鍵值對），不支援synchronized，速度很快； HashTable不接受null鍵值對，可同步（Synchronized） 雖然HashMap是非Synchronized，但collection

java中構造程式碼塊、static程式碼塊和區域性程式碼塊的區別

先上程式碼： class StaticCode{ int age; // static程式碼塊 static{ System.out.println("static程式碼塊"); } //構造程式碼塊

Java中BIO、NIO、AIO的區別和應用場景

    學習IO，首先要明白四個東西。 1.同步         java自己去處理io。 2.非同步 java將io交給作業系統去處理，告訴快取區大小，處理完成回撥。 3.阻塞  使用阻塞IO時，Java呼叫會一直阻塞到讀寫完成才返回。 4.非阻塞 使用非阻塞IO時，如果不能立馬讀寫，Java呼叫會馬上返