Java抽取Office、PDF的四件兵器
很多人問到如何抽取word、excel、pdf等文件，在這里我總結一下抽取word、pdf的幾種方法。
1、用jacob.
其實jacob是一個bridage，連接java和com或者win32函數的一個中間件，jacob并不能直接抽取word,excel等文件，需要自己寫dll哦，不過已經有為你寫好的了，就是jacob的作者一并提供了。
jacob下載：http://www.matrix.org.cn/down_view.asp?id=13
下載了jacob并放到指定的路徑之后(dll放到path,jar文件放到classpath)，就可以寫你自己的抽取程序了，下面是一個例子：
2、用apache的poi來抽取word，excel
poi是apache的一個項目，不過就算用poi你可能都覺得很煩，不過不要緊，這里提供了更加簡單的一個接口給你：
下載經過封裝后的poi包：http://www.matrix.org.cn/down_view.asp?id=14
下載之后，放到你的classpath就可以了，下面是如何使用它的一個例子：
1、用jacob.
其實jacob是一個bridage，連接java和com或者win32函數的一個中間件，jacob并不能直接抽取word,excel等文件，需要自己寫dll哦，不過已經有為你寫好的了，就是jacob的作者一并提供了。
jacob下載：http://www.matrix.org.cn/down_view.asp?id=13
下載了jacob并放到指定的路徑之后(dll放到path,jar文件放到classpath)，就可以寫你自己的抽取程序了，下面是一個例子：
| 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來抽取word，excel
poi是apache的一個項目，不過就算用poi你可能都覺得很煩，不過不要緊，這里提供了更加簡單的一個接口給你：
下載經過封裝后的poi包：http://www.matrix.org.cn/down_view.asp?id=14
下載之后，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; /** * ＜p＞Title: pdf extraction＜/p＞ * ＜p＞Description: email:[email protected]＜/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); } } |