Java抽取Office、PDF的四件兵器

下载本文示例代码
　　很多人问到如何抽取word、excel、pdf等文件，在这里我总结一下抽取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下载：　　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：　　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.*;import org.textmining.text.extraction.WordExtractor;/*** ＜p＞Title: pdf extraction＜/p＞* ＜p＞Description: email:[e-mail]＜/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);}}zmbbs=1;共2页。 1 2 : 　　很多人问到如何抽取word、excel、pdf等文件，在这里我总结一下抽取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下载：　　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：　　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.*;import org.textmining.text.extraction.WordExtractor;/*** ＜p＞Title: pdf extraction＜/p＞* ＜p＞Description: email:[e-mail]＜/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);}}zmbbs=1;共2页。 1 2 : 下载本文示例代码


Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器Java抽取Office、PDF的四件兵器