磐安县住和城乡建设局网站,好的网站分享,福建省高速公路建设管理网站,网站打开的速度慢转自:https://www.ibm.com/developerworks/cn/java/l-java-tips/ 感谢作者发布的文章用 jacob其实 jacob 是一个 bridage#xff0c;连接 java 和 com 或者 win32 函数的一个中间件#xff0c;jacob 并不能直接抽取 word,excel 等文件#xff0c;需要自己写 dll 哦…转自:https://www.ibm.com/developerworks/cn/java/l-java-tips/ 感谢作者发布的文章用 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。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简单的例子importjava.io.File;import com.jacob.com.*;import com.jacob.activeX.*;/*** Title: pdf extraction* Description: email:chrismatrix.org.cn* Copyright: Matrix Copyright (c) 2003* Company: Matrix.org.cn*authorchris*version1.0,who use this example pls remain the declare*/public classFileExtracter{public static voidmain(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, newVariant[] {});}}}用 apache 的 poi 来抽取 wordexcel。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;/*** Title: word extraction* Description: email:chrismatrix.org.cn* 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 isstr.length());System.out.println(the result isstr);}}pdfbox- 用来抽取 pdf 文件下面是一个如何使用 pdfbox 抽取 pdf 文件的例子importorg.pdfbox.pdmodel.PDdocument importorg.pdfbox.pdfparser.PDFParser;import java.io.*;importorg.pdfbox.util.PDFTextStripper;importjava.util.Date;/*** Title: pdf extraction* Description: email:chrismatrix.org.cn* Copyright: Matrix Copyright (c) 2003* Company: Matrix.org.cn*authorchris*version1.0,who use this example pls remain the declare*/public classPdfExtracter{publicPdfExtracter(){}public String GetTextFromPdf(String filename) throwsException{String tempnull;PDdocument nbsppdfdocument null;FileInputStream isnewFileInputStream(filename);PDFParser parser newPDFParser( is );parser.parse();pdfdocument nbspparser.getPDdocument );ByteArrayOutputStream out newByteArrayOutputStream();OutputStreamWriter writer newOutputStreamWriter( out );PDFTextStripper stripper newPDFTextStripper();stripper.writeText(pdfdocument getdocument ), writer );writer.close();byte[] contents out.toByteArray();String tsnewString(contents);System.out.println(the string length iscontents.length\n);returnts;}public static voidmain(String args[]){PdfExtracter pfnewPdfExtracter();PDdocument nbsppdfdocument nbsp null;try{String tspf.GetTextFromPdf(c:\\a.pdf);System.out.println(ts);}catch(Exception e){e.printStackTrace();}}}抽取支持中文的 pdf 文件xpdfxpdf 是一个开源项目我们可以调用他的本地方法来实现抽取中文 pdf 文件。按照 readme 放好中文的 patch就可以开始写调用本地方法的 java 程序了下面是一个如何调用的例子import java.io.*;/*** Title: pdf extraction* Description: email:chrismatrix.org.cn* Copyright: Matrix Copyright (c) 2003* Company: Matrix.org.cn*authorchris*version1.0,who use this example pls remain the declare*/public classPdfWin {publicPdfWin() {}public static void main(String args[]) throwsException{String PATH_TO_XPDFC:\\Program Files\\xpdf\\pdftotext.exe;String filenamec:\\a.pdf;String[] cmd new String[] { PATH_TO_XPDF, -enc, UTF-8, -q, filename, -};Process pRuntime.getRuntime().exec(cmd);BufferedInputStream bis newBufferedInputStream(p.getInputStream());InputStreamReader reader new InputStreamReader(bis, UTF-8);StringWriter out newStringWriter();char [] buf new char[10000];intlen;while((len reader.read(buf)) 0) {//out.write(buf, 0, len);System.out.println(the length islen);}reader.close();String tsnewString(buf);System.out.println(the str ists);}}
