您的位置:

java读取doc文本,java读取doc文件内容

本文目录一览:

java读取word文件的内容

WordExtractor的用法错了,你用下面的方法试试:

......

File file = new File(doc);

FileInputStream fileInputStream = getFileInputStream(file);

WordExtractor wordExtractor = new WordExtractor(fileInputStream);

String text = wordExtractor.getText();

......

java读取带格式word内容

用jacob吧。。

/**

*@author eyuan

*/

package per.eyuan.word2txt.core;

import com.jacob.*;

import com.jacob.com.*;

import com.jacob.activeX.*;

import java.io.*;

import java.util.Scanner;

public class Core {

/**

* 实现转换的函数

* @param sourceFilesPath

* @param destinationFilesPath

* @param destinationFilesType

* @return void

* @see import com.jacob.activeX.*;

*/

public static void change(String sourceFilesPath,String destinationFilesPath,int destinationFilesType){

//使用word文件所在的目录(源路径)建立目录文件

File sourcePathFile=new File(sourceFilesPath);

//取得word文件(源文件列表)

File sourceFilesList[]=sourcePathFile.listFiles();

System.out.println("共有"+sourceFilesList.length+"个文件(文件夹)");

//指定要转换的文件所在的目录下,如果有子目录,

//则进入子目录,继续查找word文档并将其转换,

//直到将指定目录下的所有word文档转换完。

//子目录名

String sourceChildPath=new String("");

//保持原来的层次关系,将子目录下的文件存放在新建的子目录中

String destiNationChildPath=new String("");

//检索文件,过滤掉非word文件,通过扩展名过滤

for(int i=0;isourceFilesList.length;i++){

//排除掉子文件夹

if(sourceFilesList[i].isFile()){

System.out.println("第"+(i+1)+"个文件:");

//取得文件全名(包含扩展名)

String fileName=sourceFilesList[i].getName();

String fileType=new String("");

//取得文件扩展名

fileType=fileName.substring((fileName.length()-4), fileName.length());

//word2007-2010扩展名为docx

//判断是否为word2007-2010文档,及是否以docx为后缀名

if(fileType.equals("docx")){

System.out.println("正在转换。。。");

//输出word文档所在路劲

System.out.println("目录:"+sourceFilesPath);

//输出word文档名

System.out.println("文件名:"+fileName);

//System.out.println(fileName.substring(0, (fileName.length()-5)));

//核心函数

//启动word

ActiveXComponent app=new ActiveXComponent("Word.Application");

//要转换的文档的全路径(所在文件夹+文件全名)

String docPath=sourceFilesPath+"\\"+fileName;

//转换后的文档的全路径(所在文件夹+文件名)

String othersPath=destinationFilesPath+"\\"+fileName.substring(0,(fileName.length()-5));

//

String inFile=docPath;

String outFile=othersPath;

//

boolean flag=false;

//核心代码

try{

//设置word可见性

app.setProperty("Visible", new Variant(false));

//

Dispatch docs=app.getProperty("Documents").toDispatch();

//打开word文档

Dispatch doc=Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[]{inFile,new Variant(false),new Variant(true)}, new int[1]).toDispatch();

//0:Microsoft Word 97 - 2003 文档 (.doc)

//1:Microsoft Word 97 - 2003 模板 (.dot)

//2:文本文档 (.txt)

//3:文本文档 (.txt)

//4:文本文档 (.txt)

//5:文本文档 (.txt)

//6:RTF 格式 (.rtf)

//7:文本文档 (.txt)

//8:HTML 文档 (.htm)(带文件夹)

//9:MHTML 文档 (.mht)(单文件)

//10:MHTML 文档 (.mht)(单文件)

//11:XML 文档 (.xml)

//12:Microsoft Word 文档 (.docx)

//13:Microsoft Word 启用宏的文档 (.docm)

//14:Microsoft Word 模板 (.dotx)

//15:Microsoft Word 启用宏的模板 (.dotm)

//16:Microsoft Word 文档 (.docx)

//17:PDF 文件 (.pdf)

//18:XPS 文档 (.xps)

//19:XML 文档 (.xml)

//20:XML 文档 (.xml)

//21:XML 文档 (.xml)

//22:XML 文档 (.xml)

//23:OpenDocument 文本 (.odt)

//24:WTF 文件 (.wtf)

//另存为指定格式的文档

Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[]{outFile,new Variant(destinationFilesType)}, new int[1]);

//

Variant file=new Variant(false);

//关闭文档

Dispatch.call(doc, "Close",file);

//

flag=true;

}catch(Exception e){

e.printStackTrace();

System.out.println("文档转换失败");

}finally{

app.invoke("Quit",new Variant[]{});

}

System.out.println("转换完毕");

}

//word97-2003扩展名为doc

//判断是否为word2003-2007文档,及是否以doc为后缀名

else if(fileType.equals(".doc")){

System.out.println("正在转换。。。");

//输出word文档所在路劲

System.out.println("目录:"+sourceFilesPath);

//输出word文档名

System.out.println("文件名:"+fileName);

//System.out.println(fileName.substring(0, (fileName.length()-4)));

//核心函数

//启动word

ActiveXComponent app=new ActiveXComponent("Word.Application");

//要转换的文档的全路径(所在文件夹+文件全名)

String docPath=sourceFilesPath+"\\"+fileName;

//转换后的文档的全路径(所在文件夹+文件名)

String othersPath=destinationFilesPath+"\\"+fileName.substring(0,(fileName.length()-4));

//

String inFile=docPath;

String outFile=othersPath;

//

boolean flag=false;

//核心代码

try{

//设置word可见性

app.setProperty("Visible", new Variant(false));

//

Dispatch docs=app.getProperty("Documents").toDispatch();

//打开word文档

Dispatch doc=Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[]{inFile,new Variant(false),new Variant(true)}, new int[1]).toDispatch();

//另存为指定格式的文档

Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[]{outFile,new Variant(destinationFilesType)}, new int[1]);

//

Variant file=new Variant(false);

//关闭文档

Dispatch.call(doc, "Close",file);

//

flag=true;

}catch(Exception e){

e.printStackTrace();

System.out.println("文档转换失败");

}finally{

app.invoke("Quit",new Variant[]{});

}

System.out.println("转换完毕");

}

//文档的扩展名不是doc或docx

else{

System.out.println("非word文档");

}

}

//如果是子文件夹,则递归遍历,将所有的word文档转换

else{

//

sourceChildPath=sourceFilesPath;

//该文件是目录

sourceChildPath=sourceChildPath+"\\"+sourceFilesList[i].getName()+"\\";

System.out.println("源文件所在路径:"+sourceChildPath);

//修改目标文件夹,保持原来的层级关系

destiNationChildPath=destinationFilesPath;

destiNationChildPath=destinationFilesPath+"\\"+sourceFilesList[i].getName()+"\\";

System.out.println("转换后文件所在路径"+destiNationChildPath);

//

mkdir(destiNationChildPath);

//递归遍历所有目录,查找word文档,并将其转换

change(sourceChildPath, destiNationChildPath,destinationFilesType);

}

}

System.out.println("所有文档转换完毕");

}

/**

 * 用于创建文件夹的方法

 * @param mkdirName

 */

public static void mkdir(String mkdirName){

try{

//使用指定的路径创建文件对象

File dirFile = new File(mkdirName);

//

boolean bFile = dirFile.exists();

//已经存在文件夹,操作???提醒是否要替换

if( bFile == true ) {

System.out.println("已经存在文件夹"+mkdirName);

}

//不存在该文件夹,则新建该目录

else{

System.out.println("新建文件夹"+mkdirName);

bFile = dirFile.mkdir();

if( bFile == true ){

System.out.println("文件夹创建成功");

}else{

System.out.println(" 文件夹创建失败,清确认磁盘没有写保护并且空件足够");

System.exit(1);

}

}

}catch(Exception err){

System.err.println("ELS - Chart : 文件夹创建发生异常");

err.printStackTrace();

}finally{

}

}

/**

* 判断某个文件夹是否存在

* @param path

*/

public static boolean isPathExist(String path){

boolean isPathExist=false;

try{

File pathFile = new File(path);

if(pathFile.exists())

isPathExist= true;

else

isPathExist= false;

}catch(Exception err){

err.printStackTrace();

}

return isPathExist;

}

/**

* 主函数

*/

public static void main(String[] args){

Scanner sc=new Scanner(System.in);

//源文档所在路径

String sourceFilesPath="";

// String inputSourcePath="";

// boolean sourcePathFlag=true;

// System.out.println("请输入要转换文档所在的文件夹");

// while(sourcePathFlag){

// inputSourcePath=sc.next();

// if(!isPathExist(inputSourcePath))

// System.out.println("源路径不存在,请输入正确的路径");

// else

// sourcePathFlag=false;

// }

// sourceFilesPath=inputSourcePath;

sourceFilesPath="D:\\word";

//目标文档要存放的目录

String destinationFilesPath="";

// String inputdestinationPath="";

// boolean destinationPathFlag=true;

// System.out.println("请输入转换后文档要存放的文件夹");

// while(destinationPathFlag){

// inputdestinationPath=sc.next();

// //目标文件不存在时,是否要提示用户创建文件

// if(!isPathExist(inputdestinationPath))

// System.out.println("目标路径不存在,请输入正确的路径");

// else

// destinationPathFlag=false;

// }

// destinationFilesPath=inputdestinationPath;

destinationFilesPath="D:\\txt";

//选择要转换的类型

int destinationFilesType=0;

int inputNumber=0;

boolean numFlag=true;

System.out.println("您要将word文档转换为哪种文档格式?");

System.out.println("0:doc \t 2:txt \t 8:html \t 9:htm \t 11:xml \t 12:docx \t 17:pdf \t 18:xps");

while(numFlag){

inputNumber=sc.nextInt();

if(inputNumber!=2inputNumber!=8inputNumber!=9inputNumber!=11inputNumber!=12inputNumber!=17){

System.out.println("您的输入有误,请输入要转换的文档类型前的数字");

}else

numFlag=false;

}

destinationFilesType=inputNumber;

//实行转换

change(sourceFilesPath, destinationFilesPath,destinationFilesType);

//测试各种类型转换

// for(int i=0;i25;i++){

// destinationFilesType=i;

// System.out.println("文件类型"+destinationFilesType);

// System.out.println("存放目录:"+destinationFilesPath+"\\"+i);

// mkdir(destinationFilesPath+"\\"+i);

// change(sourceFilesPath, destinationFilesPath+"\\"+i,destinationFilesType);

// }

}

}

这个我刚用的。。格式都能带过来的。 你自己再下载个 jacob的包和dll文件

JAVA有什么好的方法可以将word里的文本读取出来

你用免费版的Free Spire.Doc for Java可以直接读取Word文档里面的文本,参考代码:

import com.spire.doc.Document;

import java.io.FileWriter;

import java.io.IOException;

public class ExtractText {

public static void main(String[] args) throws IOException {

//加载Word文档

Document document = new Document();

document.loadFromFile("C:\\Users\\Administrator\\Desktop\\sample.docx");

//获取文档中的文本保存为String

String text=document.getText();

//将String写入Txt文件

writeStringToTxt(text,"ExtractedText.txt");

}

public static void writeStringToTxt(String content, String txtFileName) throws IOException {

FileWriter fWriter= new FileWriter(txtFileName,true);

try {

fWriter.write(content);

}catch(IOException ex){

ex.printStackTrace();

}finally{

try{

fWriter.flush();

fWriter.close();

} catch (IOException ex) {

ex.printStackTrace();

}

}

}

}

参考自官网原文。

java读取doc,pdf问题。

PDFBox是一个开源的对pdf文件进行操作的库。 PDFBox-0.7.3.jar加入classpath。同时FontBox1.0.jar加入classpath,否则报错

import java.io.FileInputStream;  

import java.io.FileNotFoundException;  

import java.io.IOException;  

  

import org.pdfbox.pdfparser.PDFParser;  

import org.pdfbox.pdmodel.PDDocument;  

import org.pdfbox.util.PDFTextStripper;  

  

public class PdfReader {  

    /** 

     * simply reader all the text from a pdf file.  

     * You have to deal with the format of the output text by yourself. 

     * 2008-2-25 

     * @param pdfFilePath file path 

     * @return all text in the pdf file 

     */  

    public static String getTextFromPDF(String pdfFilePath)   

    {  

        String result = null;  

        FileInputStream is = null;  

        PDDocument document = null;  

        try {  

            is = new FileInputStream(pdfFilePath);  

            PDFParser parser = new PDFParser(is);  

            parser.parse();  

            document = parser.getPDDocument();  

            PDFTextStripper stripper = new PDFTextStripper();  

            result = stripper.getText(document);  

        } catch (FileNotFoundException e) {  

            // TODO Auto-generated catch block  

            e.printStackTrace();  

        } catch (IOException e) {  

            // TODO Auto-generated catch block  

            e.printStackTrace();  

        } finally {  

            if (is != null) {  

                try {  

                    is.close();  

                } catch (IOException e) {  

                    // TODO Auto-generated catch block  

                    e.printStackTrace();  

                }  

            }  

            if (document != null) {  

                try {  

                    document.close();  

                } catch (IOException e) {  

                    // TODO Auto-generated catch block  

                    e.printStackTrace();  

                }  

            }  

        }  

        return result;  

    }  

    public  static void main(String[] args)  

    {  

        String str=PdfReader.getTextFromPDF("C:\\Read.pdf");  

        System.out.println(str);  

      

    }  

}

代码2:

import java.io.File;  

import java.io.FileOutputStream;  

import java.io.OutputStreamWriter;  

import java.io.Writer;  

import java.net.MalformedURLException;  

import java.net.URL;  

import org.pdfbox.pdmodel.PDDocument;  

import org.pdfbox.util.PDFTextStripper;  

public class PDFReader {  

 public void readFdf(String file) throws Exception {  

   

  boolean sort = false;  

   

  String pdfFile = file;  

  String textFile = null;  

 

  String encoding = "UTF-8";  

  

  int startPage = 1;  

  

  int endPage = Integer.MAX_VALUE;  

   

  Writer output = null;  

   

  PDDocument document = null;  

  try {  

   try {  

    // 首先当作一个URL来装载文件,如果得到异常再从本地文件系统//去装载文件  

    URL url = new URL(pdfFile);  

   //注意参数已不是以前版本中的URL.而是File。  

    document = PDDocument.load(pdfFile);  

    // 获取PDF的文件名  

    String fileName = url.getFile();  

    // 以原来PDF的名称来命名新产生的txt文件  

    if (fileName.length()  4) {  

     File outputFile = new File(fileName.substring(0, fileName  

       .length() - 4)  

       + ".txt");  

     textFile = outputFile.getName();  

    }  

   } catch (MalformedURLException e) {  

    // 如果作为URL装载得到异常则从文件系统装载  

   //注意参数已不是以前版本中的URL.而是File。  

    document = PDDocument.load(pdfFile);  

    if (pdfFile.length()  4) {  

     textFile = pdfFile.substring(0, pdfFile.length() - 4)  

       + ".txt";  

    }  

   }  

   

   output = new OutputStreamWriter(new FileOutputStream(textFile),  

     encoding);  

  

   PDFTextStripper stripper = null;  

   stripper = new PDFTextStripper();  

   // 设置是否排序  

   stripper.setSortByPosition(sort);  

   // 设置起始页  

   stripper.setStartPage(startPage);  

   // 设置结束页  

   stripper.setEndPage(endPage);  

   // 调用PDFTextStripper的writeText提取并输出文本  

   stripper.writeText(document, output);  

  } finally {  

   if (output != null) {  

    // 关闭输出流  

    output.close();  

   }  

   if (document != null) {  

    // 关闭PDF Document  

    document.close();  

   }  

  }  

 }  

 /** 

  * @param args 

  */  

 public static void main(String[] args) {  

  // TODO Auto-generated method stub  

     PDFReader pdfReader = new PDFReader();  

  try {  

   // 取得E盘下的SpringGuide.pdf的内容  

   pdfReader.readFdf("C:\\Read.pdf");  

  } catch (Exception e) {  

   e.printStackTrace();  

  }  

 }  

}

2、抽取支持中文的pdf文件-xpdf

xpdf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。

补丁包:

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.*;  

/** 

* pTitle: pdf extraction/p 

* pDescription: email:chris@matrix.org.cn/p 

* pCopyright: Matrix Copyright (c) 2003/p 

* pCompany: Matrix.org.cn/p 

* @author chris 

* @version 1.0,who use this example pls remain the declare 

*/  

  

  

public class PdfWin {  

public PdfWin() {  

}  

public static void main(String args[]) throws Exception  

{  

String PATH_TO_XPDF="C:Program Filesxpdfpdftotext.exe";  

String filename="c:a.pdf";  

String[] cmd = new String[] { PATH_TO_XPDF, "-enc", "UTF-8", "-q", filename, "-"};  

Process p = Runtime.getRuntime().exec(cmd);  

BufferedInputStream bis = new BufferedInputStream(p.getInputStream());  

InputStreamReader reader = new InputStreamReader(bis, "UTF-8");  

StringWriter out = new StringWriter();  

char [] buf = new char[10000];  

int len;  

while((len = reader.read(buf))= 0) {  

//out.write(buf, 0, len);  

System.out.println("the length is"+len);  

}  

reader.close();  

String ts=new String(buf);  

System.out.println("the str is"+ts);  

}  

}

如何使用JAVA,POI读写word文档

public class HwpfTest {

@SuppressWarnings("deprecation")

@Test

public void testReadByExtractor() throws Exception {

InputStream is = new FileInputStream("D:\\test.doc");

WordExtractor extractor = new WordExtractor(is);

//输出word文档所有的文本

System.out.println(extractor.getText());

System.out.println(extractor.getTextFromPieces());

//输出页眉的内容

System.out.println("页眉:" + extractor.getHeaderText());

//输出页脚的内容

System.out.println("页脚:" + extractor.getFooterText());

//输出当前word文档的元数据信息,包括作者、文档的修改时间等。

System.out.println(extractor.getMetadataTextExtractor().getText());

//获取各个段落的文本

String paraTexts[] = extractor.getParagraphText();

for (int i=0; iparaTexts.length; i++) {

System.out.println("Paragraph " + (i+1) + " : " + paraTexts[i]);

}

//输出当前word的一些信息

printInfo(extractor.getSummaryInformation());

//输出当前word的一些信息

this.printInfo(extractor.getDocSummaryInformation());

this.closeStream(is);

}

/**

* 输出SummaryInfomation

* @param info

*/

private void printInfo(SummaryInformation info) {

//作者

System.out.println(info.getAuthor());

//字符统计

System.out.println(info.getCharCount());

//页数

System.out.println(info.getPageCount());

//标题

System.out.println(info.getTitle());

//主题

System.out.println(info.getSubject());

}

/**

* 输出DocumentSummaryInfomation

* @param info

*/

private void printInfo(DocumentSummaryInformation info) {

//分类

System.out.println(info.getCategory());

//公司

System.out.println(info.getCompany());

}

/**

* 关闭输入流

* @param is

*/

private void closeStream(InputStream is) {

if (is != null) {

try {

is.close();

} catch (IOException e) {

e.printStackTrace();

}

}

}

}

java如何获得doc文件内容

java 是这样处理的 获得一个 模板 +数据 = doc文件

反过来 doc文件 + 模板 可以得到 数据

如果你没有 模板, 基本上是不行。