java读取word txt pdf,JAVA读取WORD,EXCEL,PDF,TXT,RTF,HTML文件文本内容的方法示例

以下是Java对几种文本文件内容读取代码。其中，OFFICE文档(WORD,EXCEL)使用了POI控件，PDF使用了PDFBOX控件。

查看相关控件的下载地址和配置方法。

WORD

Java代码

packagetextReader;

importjava.io.*;

importorg.apache.poi.hwpf.extractor.WordExtractor;

publicclassWordReader {

publicWordReader(){

}

/**

* @param filePath 文件路径

* @return 读出的Word的内容

*/

publicString getTextFromWord(String filePath){

String result =null;

File file =newFile(filePath);

try{

FileInputStream fis =newFileInputStream(file);

WordExtractor wordExtractor =newWordExtractor(fis);

result = wordExtractor.getText();

}catch(FileNotFoundException e){

e.printStackTrace();

}catch(IOException e){

e.printStackTrace();

};

returnresult;

}

}

package textReader;

import java.io.*;

import org.apache.poi.hwpf.extractor.WordExtractor;

public class WordReader {

public WordReader(){

}

/**

* @param filePath 文件路径

* @return 读出的Word的内容

*/

public String getTextFromWord(String filePath){

String result = null;

File file = new File(filePath);

try{

FileInputStream fis = new FileInputStream(file);

WordExtractor wordExtractor = new WordExtractor(fis);

result = wordExtractor.getText();

}catch(FileNotFoundException e){

e.printStackTrace();

}catch(IOException e){

e.printStackTrace();

};

return result;

}

}

EXCEL

Java代码

packagetextReader;

importorg.apache.poi.hssf.usermodel.HSSFWorkbook;

importorg.apache.poi.hssf.usermodel.HSSFSheet;

importorg.apache.poi.hssf.usermodel.HSSFRow;

importorg.apache.poi.hssf.usermodel.HSSFCell;

importjava.io.FileInputStream;

importjava.io.FileNotFoundException;

importjava.io.IOException;

publicclassExcelReader {

@SuppressWarnings("deprecation")

/**

* @param filePath 文件路径

* @return 读出的Excel的内容

*/

publicString getTextFromExcel(String filePath) {

StringBuffer buff =newStringBuffer();

try{

//创建对Excel工作簿文件的引用

HSSFWorkbook wb =newHSSFWorkbook(newFileInputStream(filePath));

//创建对工作表的引用。

for(intnumSheets =0; numSheets 

if(null!= wb.getSheetAt(numSheets)) {

HSSFSheet aSheet = wb.getSheetAt(numSheets);//获得一个sheet

for(introwNumOfSheet =0; rowNumOfSheet <= aSheet.getLastRowNum(); rowNumOfSheet++) {

if(null!= aSheet.getRow(rowNumOfSheet)) {

HSSFRow aRow = aSheet.getRow(rowNumOfSheet);//获得一个行

for(intcellNumOfRow =0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) {

if(null!= aRow.getCell(cellNumOfRow)) {

HSSFCell aCell = aRow.getCell(cellNumOfRow);//获得列值

switch(aCell.getCellType()){

caseHSSFCell.CELL_TYPE_FORMULA:

break;

caseHSSFCell.CELL_TYPE_NUMERIC:

buff.append(aCell.getNumericCellValue()).append('/t');break;

caseHSSFCell.CELL_TYPE_STRING:

buff.append(aCell.getStringCellValue()).append('/t');break;

}

}

}

buff.append('/n');

}

}

}

}

}catch(FileNotFoundException e) {

e.printStackTrace();

}catch(IOException e) {

e.printStackTrace();

}

returnbuff.toString();

}

}

package textReader;

import org.apache.poi.hssf.usermodel.HSSFWorkbook;

import org.apache.poi.hssf.usermodel.HSSFSheet;

import org.apache.poi.hssf.usermodel.HSSFRow;

import org.apache.poi.hssf.usermodel.HSSFCell;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.IOException;

public class ExcelReader {

@SuppressWarnings("deprecation")

/**

* @param filePath 文件路径

* @return 读出的Excel的内容

*/

public String getTextFromExcel(String filePath) {

StringBuffer buff = new StringBuffer();

try {

//创建对Excel工作簿文件的引用

HSSFWorkbook wb = new HSSFWorkbook(new FileInputStream(filePath));

//创建对工作表的引用。

for (int numSheets = 0; numSheets < wb.getNumberOfSheets(); numSheets++) {

if (null != wb.getSheetAt(numSheets)) {

HSSFSheet aSheet = wb.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 (int cellNumOfRow = 0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) {

if (null != aRow.getCell(cellNumOfRow)) {

HSSFCell aCell = aRow.getCell(cellNumOfRow);//获得列值

switch(aCell.getCellType()){

case HSSFCell.CELL_TYPE_FORMULA:

break;

case HSSFCell.CELL_TYPE_NUMERIC:

buff.append(aCell.getNumericCellValue()).append('/t');break;

case HSSFCell.CELL_TYPE_STRING:

buff.append(aCell.getStringCellValue()).append('/t');break;

}

}

}

buff.append('/n');

}

}

}

}

} catch (FileNotFoundException e) {

e.printStackTrace();

} catch (IOException e) {

e.printStackTrace();

}

return buff.toString();

}

}

PDF

Java代码

packagetextReader;

importjava.io.FileInputStream;

importjava.io.FileNotFoundException;

importjava.io.IOException;

importorg.pdfbox.pdfparser.PDFParser;

importorg.pdfbox.pdmodel.PDDocument;

importorg.pdfbox.util.PDFTextStripper;

publicclassPdfReader {

publicPdfReader(){

}

/**

* @param filePath 文件路径

* @return 读出的pdf的内容

*/

publicString getTextFromPdf(String filePath) {

String result =null;

FileInputStream is =null;

PDDocument document =null;

try{

is =newFileInputStream(filePath);

PDFParser parser =newPDFParser(is);

parser.parse();

document = parser.getPDDocument();

PDFTextStripper stripper =newPDFTextStripper();

result = stripper.getText(document);

}catch(FileNotFoundException e) {

e.printStackTrace();

}catch(IOException e) {

e.printStackTrace();

}finally{

if(is !=null) {

try{is.close();}catch(IOException e){e.printStackTrace();}

}

if(document !=null) {

try{document.close();}catch(IOException e){e.printStackTrace();}

}

}

returnresult;

}

}

package textReader;

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 {

public PdfReader(){

}

/**

* @param filePath 文件路径

* @return 读出的pdf的内容

*/

public String getTextFromPdf(String filePath) {

String result = null;

FileInputStream is = null;

PDDocument document = null;

try {

is = new FileInputStream(filePath);

PDFParser parser = new PDFParser(is);

parser.parse();

document = parser.getPDDocument();

PDFTextStripper stripper = new PDFTextStripper();

result = stripper.getText(document);

} catch (FileNotFoundException e) {

e.printStackTrace();

} catch (IOException e) {

e.printStackTrace();

} finally {

if (is != null) {

try {is.close();}catch(IOException e){e.printStackTrace();}

}

if (document != null) {

try{document.close();}catch (IOException e){e.printStackTrace();}

}

}

return result;

}

}

TXT

Java代码

packagetextReader;

importjava.io.*;

publicclassTxtReader {

publicTxtReader() {

}

/**

* @param filePath 文件路径

* @return 读出的txt的内容

*/

publicString getTextFromTxt(String filePath)throwsException {

FileReader fr =newFileReader(filePath);

BufferedReader br =newBufferedReader(fr);

StringBuffer buff =newStringBuffer();

String temp =null;

while((temp = br.readLine()) !=null){

buff.append(temp +"/r/n");

}

br.close();

returnbuff.toString();

}

}

package textReader;

import java.io.*;

public class TxtReader {

public TxtReader() {

}

/**

* @param filePath 文件路径

* @return 读出的txt的内容

*/

public String getTextFromTxt(String filePath) throws Exception {

FileReader fr = new FileReader(filePath);

BufferedReader br = new BufferedReader(fr);

StringBuffer buff = new StringBuffer();

String temp = null;

while((temp = br.readLine()) != null){

buff.append(temp + "/r/n");

}

br.close();

return buff.toString();

}

}

RTF

Java代码

packagetextReader;

importjava.io.File;

importjava.io.FileInputStream;

importjava.io.IOException;

importjava.io.InputStream;

importjavax.swing.text.BadLocationException;

importjavax.swing.text.DefaultStyledDocument;

importjavax.swing.text.rtf.RTFEditorKit;

publicclassRtfReader {

publicRtfReader(){

}

/**

* @param filePath 文件路径

* @return 读出的rtf的内容

*/

publicString getTextFromRtf(String filePath) {

String result =null;

File file =newFile(filePath);

try{

DefaultStyledDocument styledDoc =newDefaultStyledDocument();

InputStream is =newFileInputStream(file);

newRTFEditorKit().read(is, styledDoc,0);

result =newString(styledDoc.getText(0,styledDoc.getLength()).getBytes("ISO8859_1"));

//提取文本，读取中文需要使用ISO8859_1编码，否则会出现乱码

}catch(IOException e) {

e.printStackTrace();

}catch(BadLocationException e) {

e.printStackTrace();

}

returnresult;

}

}

package textReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.IOException;

import java.io.InputStream;

import javax.swing.text.BadLocationException;

import javax.swing.text.DefaultStyledDocument;

import javax.swing.text.rtf.RTFEditorKit;

public class RtfReader {

public RtfReader(){

}

/**

* @param filePath 文件路径

* @return 读出的rtf的内容

*/

public String getTextFromRtf(String filePath) {

String result = null;

File file = new File(filePath);

try {

DefaultStyledDocument styledDoc = new DefaultStyledDocument();

InputStream is = new FileInputStream(file);

new RTFEditorKit().read(is, styledDoc, 0);

result = new String(styledDoc.getText(0,styledDoc.getLength()).getBytes("ISO8859_1"));

//提取文本，读取中文需要使用ISO8859_1编码，否则会出现乱码

} catch (IOException e) {

e.printStackTrace();

} catch (BadLocationException e) {

e.printStackTrace();

}

return result;

}

}

HTML

Java代码

packagetextReader;

importjava.io.*;

publicclassHtmlReader {

publicHtmlReader() {

}

/**

* @param filePath 文件路径

* @return 获得html的全部内容

*/

publicString readHtml(String filePath) {

BufferedReader br=null;

StringBuffer sb =newStringBuffer();

try{

br=newBufferedReader(newInputStreamReader(newFileInputStream(filePath),"GB2312"));

String temp=null;

while((temp=br.readLine())!=null){

sb.append(temp);

}

}catch(FileNotFoundException e) {

e.printStackTrace();

}catch(IOException e) {

e.printStackTrace();

}

returnsb.toString();

}

/**

* @param filePath 文件路径

* @return 获得的html文本内容

*/

publicString getTextFromHtml(String filePath) {

//得到body标签中的内容

String str= readHtml(filePath);

StringBuffer buff =newStringBuffer();

intmaxindex = str.length() -1;

intbegin =0;

intend;

//截取>和

while((begin = str.indexOf('>',begin)) 

end = str.indexOf('

if(end - begin >1){

buff.append(str.substring(++begin, end));

}

begin = end+1;

};

returnbuff.toString();

}

}