【世界经理人电子商务网讯】很多人用java进行文档操作时经常会遇到一个问题，就是如何获得word，excel，pdf等文档的内容？我研究了一下，在这里总结一下抽取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 jar与dll文件下载： http://danadler.com/jacob/

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：

import java.io.File;
import com.jacob.com.*;
import com.jacob.activeX.*;
/**
* Title: pdf extraction
* Description: email:chris@matrix.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 FileExtracter{
public static void main(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, 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： 世界经理人电子商务网讯

下载经过封装后的poi包： http://jakarta.apache.org/poi/

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:chris@matrix.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 is+str.length());
System.out.println(the result is+str);
}
}
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);
} }
 

3. pdfbox-用来抽取pdf文件

但是pdfbox对中文支持还不好，先下载pdfbox： http://www.pdfbox.org/

下面是一个如何使用pdfbox抽取pdf文件的例子：

import org.pdfbox.pdmodel.PDdocument．
import org.pdfbox.pdfparser.PDFParser;
import java.io.*;
import org.pdfbox.util.PDFTextStripper;
import java.util.Date;
/**
* Title: pdf extraction
* Description: email:chris@matrix.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 PdfExtracter{

public PdfExtracter(){
}
public String GetTextFromPdf(String filename) throws Exception
{
String temp=null;
PDdocument．nbsppdfdocument．null;
FileInputStream is=new FileInputStream(filename);
PDFParser parser = new PDFParser( is );
parser.parse();
pdfdocument．nbsp= parser.getPDdocument．);
ByteArrayOutputStream out = new ByteArrayOutputStream();
OutputStreamWriter writer = new OutputStreamWriter( out );
PDFTextStripper stripper = new PDFTextStripper();
stripper.writeText(pdfdocument．getdocument．), writer );
writer.close();
byte[] contents = out.toByteArray();

String ts=new String(contents);
System.out.println(the string length is+contents.length+n);
return ts;
}
public static void main(String args[])
{
PdfExtracter pf=new PdfExtracter();
PDdocument．nbsppdfdocument．nbsp= null;

try{
String ts=pf.GetTextFromPdf(c:\a.pdf);
System.out.println(ts);
}
catch(Exception e)
{
e.printStackTrace();
}
}

}
 

世界经理人电子商务网讯

4. 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。

下载xpdf函数包： http://www.foolabs.com/xpdf/

同时需要下载支持中文的补丁包，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.*;
/**
* Title: pdf extraction
* Description: email:chris@matrix.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 PdfWin {
public PdfWin() {
}
public static void main(String args[]) throws Exception
{
String PATH_TO_XPDF=C:\Program Files\xpdf\pdftotext.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);
}
}