java读取word，excel和pdf文档内容

在平常应用程序中，对office和pdf文档进行读取数据是比较常见的功能，尤其在很多web应用程序中。所以今天我们就简单来看一下java对word、excel、pdf文件的读取。本篇博客只是讲解简单应用。如果想深入了解原理。请读者自行研究一些相关源码。

首先我们来认识一下读取相关文档的jar包：

1. 引用POI包读取word文档内容

poi.jar 下载地址

http://apache.freelamp.com/poi/release/bin/poi-bin-3.6-20091214.zip 
http://apache.etoak.com/poi/release/bin/poi-bin-3.6-20091214.zip 
http://labs.renren.com/apache-mirror/poi/release/bin/poi-bin-3.6-20091214.zip

2.引用jxl包读取excel文档的内容

Jxl.jar下载地址

http://nchc.dl.sourceforge.net/project/jexcelapi/CSharpJExcel/CSharpJExcel.zip

3.引用PDFBox读取pdf文档的内容

Pdfbox.jar下载地址

http://labs.renren.com/apache-mirror/pdfbox/1.1.0/pdfbox-1.1.0.jar 
http://apache.etoak.com/pdfbox/1.1.0/pdfbox-1.1.0.jar 
http://apache.freelamp.com/pdfbox/1.1.0/pdfbox-1.1.0.jar

Fontbox.jar下载地址

http://apache.etoak.com/pdfbox/1.1.0/fontbox-1.1.0.jar 
http://labs.renren.com/apache-mirror/pdfbox/1.1.0/fontbox-1.1.0.jar 
http://apache.freelamp.com/pdfbox/1.1.0/fontbox-1.1.0.jar

Jempbox.jar下载地址

http://labs.renren.com/apache-mirror/pdfbox/1.1.0/jempbox-1.1.0.jar 
http://apache.etoak.com/pdfbox/1.1.0/jempbox-1.1.0.jar 
http://apache.freelamp.com/pdfbox/1.1.0/jempbox-1.1.0.jar

下面我们就来简单看一下这些jar包的对文档的读取的应用实例：

1. 引用POI包读取word文档内容

[java]  view plain  copy

1. import java.io.File;     
2. import java.io.FileInputStream;     
3. import org.apache.poi.hwpf.HWPFDocument;     
4. import org.apache.poi.hwpf.usermodel.Range;     
5.   
6. /**  
7. *  
8. * @author 曹胜欢 
9. */   
10. public class DocFile{     
11.   
12.   
13.     @Override   
14.     public String getContent(File f) throws Exception {     
15.         FileInputStream fis = new FileInputStream(f);     
16.         HWPFDocument doc = new HWPFDocument(fis);     
17.         Range rang = doc.getRange();     
18.         String text = rang.text();     
19.         fis.close();     
20.         return text;     
21.     }     

2. 引用 jxl 包读取 excel 文档的内容

[java]  view plain  copy

1. import java.io.File;     
2. import java.io.FileInputStream;     
3. import jxl.Cell;     
4. import jxl.Sheet;     
5. import jxl.Workbook;     
6.   
7. /**  
8. *  
9. * @author 曹胜欢 
10. */   
11. public class XlsFile{     
12.   
13.     @Override     
14.     public String getContent(File f) throws Exception {     
15.      //构建Workbook对象, 只读Workbook对象  
16.      //直接从本地文件创建Workbook  
17.       //从输入流创建Workbook  
18.   
19.         FileInputStream fis = new FileInputStream(f);     
20.         StringBuilder sb = new StringBuilder();     
21.         jxl.Workbook rwb = Workbook.getWorkbook(fis);     
22. //一旦创建了Workbook，我们就可以通过它来访问  
23. //Excel Sheet的数组集合(术语：工作表)，  
24. //也可以调用getsheet方法获取指定的工资表  
25.         Sheet[] sheet = rwb.getSheets();     
26.         for (int i = 0; i < sheet.length; i++) {     
27.             Sheet rs = rwb.getSheet(i);     
28.             for (int j = 0; j < rs.getRows(); j++) {     
29.                Cell[] cells = rs.getRow(j);     
30.                for(int k=0;k<cells.length;k++)     
31.                sb.append(cells[k].getContents());     
32.             }     
33.         }     
34.         fis.close();     
35.         return sb.toString();     
36.     }     
37.   
38. }  

由上面代码我们可知：一旦得到了Sheet，我们就可以通过它来访问Excel Cell(术语：单元格)。参考下面的代码片段：
//获取第一行，第一列的值
Cell c00 = rs.getCell(0, 0);
String strc00 = c00.getContents();
//获取第一行，第二列的值
Cell c10 = rs.getCell(1, 0);
String strc10 = c10.getContents();
当你完成对Excel电子表格数据的处理后，一定要使用close()方法来关闭先前创建的对象，以释放读取数据表的过程中所占用的内存空间，在读取大量数据时显得尤为重要。

3.引用PDFBox读取pdf文档的内容

[java]  view plain  copy

1. import java.io.File;     
2. import java.io.FileInputStream;     
3. import org.pdfbox.pdfparser.PDFParser;     
4. import org.pdfbox.pdmodel.PDDocument;     
5. import org.pdfbox.util.PDFTextStripper;     
6.   
7. /**  
8. *  
9. * @author 曹胜欢 
10. */   

[java]  view plain  copy

1. public class PdfFile{     
2.   
3.     public String getContent(File f) throws Exception {     
4.         FileInputStream fis = new FileInputStream(f);     
5.         PDFParser p = new PDFParser(fis);     
6.         p.parse();     
7.         PDDocument pdd = p.getPDDocument();     
8.         PDFTextStripper ts = new PDFTextStripper();     
9.         String c = ts.getText(pdd);     
10.         pdd.close();     
11.         fis.close();     
12.         return c;     
13.     }     
14. }  

------------------------------------------------------------------------------------------------------------------------

  广告：我参加了2012年度IT博客大赛，希望大家能多多支持

• 
  

http://blog.51cto.com/contest2012/3545281

------------------------------------------------------------------------------------------------------------

《Java程序员由笨鸟到菜鸟》电子版书正式发布，欢迎大家下载

http://blog.youkuaiyun.com/csh624366188/article/details/7999247