Java抽取Office、PDF的四件武器[Java编程]

很多人问到若何抽取word、excel、pdf等文件,在这里我总结一下抽取word、pdf的几种办法.

1、用jacob.

其实jacob是一个bridage,衔接java和com大概win32函数的一此中间件,jacob并不能直接抽取word,excel等文件,需求自己写dll哦,不过已经有为你写好的了,就是jacob的作者一并供应了.

jacob下载:http://www.matrix.org.cn/down_view.asp?id=13

下载了jacob并放到指定的途径之后(dll放到path,jar文件放到classpath),便可以写你自己的抽取程序了,下面是一个例子:

import java.io.File;
import com.jacob.com.*;
import com.jacob.activeX.*;
public class FileExtracter{
public static void main(String[] args) {
ActiveXComponent app = new ActiveXComponent("Word.Application");
String inFile = "c:\test.doc";
String tpFile = "c:\temp.htm";
String otFile = "c:\temp.xml";
boolean flag = false;
try {
app.setProperty("Visible", new Variant(false));
Object docs = app.getProperty("document．").toDispatch();
Object doc = Dispatch.invoke(docs,"Open", Dispatch.Method, new Object[]{inFile,new Variant(false), new Variant(true)}, new int[1]).toDispatch();
Dispatch.invoke(doc,"SaveAs", Dispatch.Method, new Object[]{tpFile,new Variant(8)}, new int[1]);
Variant f = new Variant(false);
Dispatch.call(doc, "Close", f);
flag = true;
} catch (Exception e) {
e.printStackTrace();
} finally {
app.invoke("Quit", new Variant[] {});
}
}
}

2、用apache的poi来抽取word,excel

poi是apache的一个项目,不过就算用poi你大概都认为很烦,不过不要紧,这里供应了越发简单的一个接口给你:

下载经过封装后的poi包:http://www.matrix.org.cn/down_view.asp?id=14

下载之后,放到你的classpath便可以了,下面是若何利用它的一个例子:

import java.io.*;
import org.textmining.text.extraction.WordExtractor;
/**
* <p>Title: pdf extraction</p>
* <p>Description: email:chris@matrix.org.cn</p>
* <p>Copyright: Matrix Copyright (c) 2003</p>
* <p>Company: Matrix.org.cn</p>
* @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);
}
}

　　以上是“Java抽取Office、PDF的四件武器[Java编程]”的内容，如果你对以上该文章内容感兴趣，你可以看看七道奇为您推荐以下文章：