• java读取txt/pdf/xls/xlsx/doc/docx/ppt/pptx


    环境准备
    txt利用common-io
    pdf利用pdfbox
    剩下的用POI
    关于POI,读取xls没啥特别的,主要是读取doc和ppt,
    需要下载poi源代码,然后将poi-src-3.7-20101029.zippoi-3.7srcscratchpadsrc下的所有文件copy到工程,或者自己封装个jar包
    jar包依赖

    java读取txt/pdf/xls/xlsx/doc/docx/ppt/pptx - Kai - Lab - Kai - Lab的博客

    code如下:
    package test;


    import java.io.BufferedInputStream;
    import java.io.File;
    import java.io.FileInputStream;
    import java.io.FileNotFoundException;
    import java.io.IOException;
    import java.text.NumberFormat;


    import org.apache.commons.io.FileUtils;
    import org.apache.pdfbox.pdfparser.PDFParser;
    import org.apache.pdfbox.pdmodel.PDDocument;
    import org.apache.pdfbox.util.PDFTextStripper;
    import org.apache.poi.POIXMLDocument;
    import org.apache.poi.POIXMLTextExtractor;
    import org.apache.poi.hslf.HSLFSlideShow;
    import org.apache.poi.hslf.model.Slide;
    import org.apache.poi.hslf.model.TextRun;
    import org.apache.poi.hslf.usermodel.RichTextRun;
    import org.apache.poi.hslf.usermodel.SlideShow;
    import org.apache.poi.hssf.usermodel.HSSFCell;
    import org.apache.poi.hssf.usermodel.HSSFRow;
    import org.apache.poi.hssf.usermodel.HSSFSheet;
    import org.apache.poi.hssf.usermodel.HSSFWorkbook;
    import org.apache.poi.hwpf.extractor.WordExtractor;
    import org.apache.poi.openxml4j.exceptions.OpenXML4JException;
    import org.apache.poi.openxml4j.opc.OPCPackage;
    import org.apache.poi.ss.usermodel.Cell;
    import org.apache.poi.xslf.extractor.XSLFPowerPointExtractor;
    import org.apache.poi.xssf.usermodel.XSSFCell;
    import org.apache.poi.xssf.usermodel.XSSFRow;
    import org.apache.poi.xssf.usermodel.XSSFSheet;
    import org.apache.poi.xssf.usermodel.XSSFWorkbook;
    import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
    import org.apache.xmlbeans.XmlException;


    public class ReadFileUtils {


    /**
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception {
    ReadFileUtils rf = new ReadFileUtils();
    String s = "";
    // s = rf.readTXT("E:/itsm文档的后缀名分析报告2.txt");
    // s = rf.readPDF("E:/memcached全面剖析.pdf");
    // s = rf.readEXCEL("E:/副本工作量及成本模板.xls");
    // s = rf.readEXCEL2007("E:/功能点估算方案.xlsx");
    // s = rf.readWORD("E:/pms中文.doc");
    // s = rf.readWORD2007("E:/功能点估算方法.docx");
    //s = rf.readPPT("E:/精细化管理信息系统项目汇报v1.0.ppt");
    s = rf.readPPT2007("e:/精细化管理信息系统项目汇报v1.0.pptx");
    System.out.println(s);
    }


    // 读取ppt
    public String readPPT(String file) throws IOException {
    StringBuilder sb = new StringBuilder();
    SlideShow ppt = new SlideShow(new HSLFSlideShow(file));
    Slide[] slides = ppt.getSlides();
    //提取文本信息 
    for (Slide each : slides) {
        TextRun[] textRuns = each.getTextRuns();
        for (int i=0 ;i< textRuns.length; i++ ) {
            RichTextRun[] richTextRuns = textRuns.getRichTextRuns();
            for (int j = 0; j < richTextRuns.length; j++) {
                sb.append(richTextRuns[j].getText());
            }
            sb.append(" ");
        }
            sb.append(" ");
    }
    return sb.toString();
    }

    // 读取pptx
    public String readPPT2007(String file) throws IOException, XmlException, OpenXML4JException {
         return new XSLFPowerPointExtractor(POIXMLDocument.openPackage(file)).getText();   
    }


    // 读取xls文件
    public String readEXCEL(String file) throws IOException {
    StringBuilder content = new StringBuilder();
    HSSFWorkbook workbook = new HSSFWorkbook(new FileInputStream(file));// 创建对Excel工作簿文件的引用
    for (int numSheets = 0; numSheets < workbook.getNumberOfSheets(); numSheets++) {
    if (null != workbook.getSheetAt(numSheets)) {
    HSSFSheet aSheet = workbook.getSheetAt(numSheets);// 获得一个sheet
    for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet
    .getLastRowNum(); rowNumOfSheet++) {
    if (null != aSheet.getRow(rowNumOfSheet)) {
    HSSFRow aRow = aSheet.getRow(rowNumOfSheet); // 获得一个行
    for (short cellNumOfRow = 0; cellNumOfRow <= aRow
    .getLastCellNum(); cellNumOfRow++) {
    if (null != aRow.getCell(cellNumOfRow)) {
    HSSFCell aCell = aRow.getCell(cellNumOfRow);// 获得列值
    if (this.convertCell(aCell).length() > 0) {
    content.append(this.convertCell(aCell));
    }
    }
    content.append(" ");
    }
    }
    }
    }
    }
    return content.toString();
    }


    // 读取xlsx文件
    public String readEXCEL2007(String file) throws IOException {
    StringBuilder content = new StringBuilder();
    XSSFWorkbook workbook = new XSSFWorkbook(file);
    for (int numSheets = 0; numSheets < workbook.getNumberOfSheets(); numSheets++) {
    if (null != workbook.getSheetAt(numSheets)) {
    XSSFSheet aSheet = workbook.getSheetAt(numSheets);// 获得一个sheet
    for (int rowNumOfSheet = 0; rowNumOfSheet <= aSheet
    .getLastRowNum(); rowNumOfSheet++) {
    if (null != aSheet.getRow(rowNumOfSheet)) {
    XSSFRow aRow = aSheet.getRow(rowNumOfSheet); // 获得一个行
    for (short cellNumOfRow = 0; cellNumOfRow <= aRow
    .getLastCellNum(); cellNumOfRow++) {
    if (null != aRow.getCell(cellNumOfRow)) {
    XSSFCell aCell = aRow.getCell(cellNumOfRow);// 获得列值
    if (this.convertCell(aCell).length() > 0) {
    content.append(this.convertCell(aCell));
    }
    }
    content.append(" ");
    }
    }
    }
    }
    }
    return content.toString();
    }


    private String convertCell(Cell cell) {
    NumberFormat formater = NumberFormat.getInstance();
    formater.setGroupingUsed(false);
    String cellValue = "";
    if (cell == null) {
    return cellValue;
    }


    switch (cell.getCellType()) {
    case HSSFCell.CELL_TYPE_NUMERIC:
    cellValue = formater.format(cell.getNumericCellValue());
    break;
    case HSSFCell.CELL_TYPE_STRING:
    cellValue = cell.getStringCellValue();
    break;
    case HSSFCell.CELL_TYPE_BLANK:
    cellValue = cell.getStringCellValue();
    break;
    case HSSFCell.CELL_TYPE_BOOLEAN:
    cellValue = Boolean.valueOf(cell.getBooleanCellValue()).toString();
    break;
    case HSSFCell.CELL_TYPE_ERROR:
    cellValue = String.valueOf(cell.getErrorCellValue());
    break;
    default:
    cellValue = "";
    }
    return cellValue.trim();
    }


    // 读取pdf文件
    public String readPDF(String file) throws IOException {
    String result = null;
    FileInputStream is = null;
    PDDocument document = null;
    try {
    is = new FileInputStream(file);
    PDFParser parser = new PDFParser(is);
    parser.parse();
    document = parser.getPDDocument();
    PDFTextStripper stripper = new PDFTextStripper();
    result = stripper.getText(document);
    } finally {
    if (is != null) {
    is.close();
    }
    if (document != null) {
    document.close();
    }
    }
    return result;
    }


    // 读取doc文件
    public String readWORD(String file) throws Exception {
    String returnStr = "";
    try {
    WordExtractor wordExtractor = new WordExtractor(new FileInputStream(new File(file)));
    returnStr = wordExtractor.getText();
    } catch (FileNotFoundException e) {
    e.printStackTrace();
    } catch (IOException e) {
    e.printStackTrace();
    }
    return returnStr;
    }



     // 读取docx文件
    public String readWORD2007(String file) throws Exception {
         return new XWPFWordExtractor(POIXMLDocument.openPackage(file)).getText();   
    }

    // 读取txt文件
    public String readTXT(String file) throws IOException {
    String encoding = ReadFileUtils.get_charset(new File(file));
    if (encoding.equalsIgnoreCase("GBK")) {
    return FileUtils.readFileToString(new File(file), "gbk");
    } else {
    return FileUtils.readFileToString(new File(file), "utf8");
    }
    }


    private static String get_charset(File file) throws IOException {
    String charset = "GBK";
    byte[] first3Bytes = new byte[3];
    BufferedInputStream bis = null;
    try {
    boolean checked = false;
    bis = new BufferedInputStream(new FileInputStream(file));
    bis.mark(0);
    int read = bis.read(first3Bytes, 0, 3);
    if (read == -1)
    return charset;
    if (first3Bytes[0] == (byte) 0xFF && first3Bytes[1] == (byte) 0xFE) {
    charset = "UTF-16LE";
    checked = true;
    } else if (first3Bytes[0] == (byte) 0xFE
    && first3Bytes[1] == (byte) 0xFF) {
    charset = "UTF-16BE";
    checked = true;
    } else if (first3Bytes[0] == (byte) 0xEF
    && first3Bytes[1] == (byte) 0xBB
    && first3Bytes[2] == (byte) 0xBF) {
    charset = "UTF-8";
    checked = true;
    }
    bis.reset();
    if (!checked) {
    // int len = 0;
    int loc = 0;


    while ((read = bis.read()) != -1) {
    loc++;
    if (read >= 0xF0)
    break;
    if (0x80 <= read && read <= 0xBF) // 单独出现BF以下的,也算是GBK
    break;
    if (0xC0 <= read && read <= 0xDF) {
    read = bis.read();
    if (0x80 <= read && read <= 0xBF) // 双字节 (0xC0 - 0xDF)
    // (0x80
    // - 0xBF),也可能在GB编码内
    continue;
    else
    break;
    } else if (0xE0 <= read && read <= 0xEF) {// 也有可能出错,但是几率较小
    read = bis.read();
    if (0x80 <= read && read <= 0xBF) {
    read = bis.read();
    if (0x80 <= read && read <= 0xBF) {
    charset = "UTF-8";
    break;
    } else
    break;
    } else
    break;
    }
    }
    // System.out.println( loc + " " + Integer.toHexString( read )
    // );
    }
    } catch (Exception e) {
    e.printStackTrace();
    } finally {
    if (bis != null) {
    bis.close();
    }
    }
    return charset;
    }
    }

  • 相关阅读:
    LVDS汇总
    smtp模块+Gmail搭建邮件发送功能
    网站建立(杂)
    xampp部署elgg
    转xampp 访问出现New XAMPP security concept
    FPGA参考电源
    android开发环境搭建问题
    cadence仿真前电路板设置(转)
    cadence串扰仿真 (转)
    cadence约束管理器总体设置 (转)
  • 原文地址:https://www.cnblogs.com/dingjiaoyang/p/6111484.html
Copyright © 2020-2023  润新知