浮生记

1.使用jacob抽取word,excel等文件。

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。

jacobjar与dll文件下载：http://www.matrix.org.cn/down_view.asp?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.*;

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}, 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：

下载经过封装后的poi包：http://www.matrix.org.cn/down_view.asp?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;

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.matrix.org.cn/down_view.asp?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;

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();
}
}
}

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.matrix.org.cn/down_view.asp?同时需要下载支持中文的补丁包： http://www.matrix.org.cn/down_view.asp?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.*;

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);
}
}

标签：excel下载, excel论坛, excel vba

相关日志

• 计算机编制电气工程预算新解
• 网吧母盘的制作 2007
• 洛阳瑞昌石油化工设备有限公司诚聘
• 教你禁用U盘,还不影响USB键盘的使用
• 广东版高一《信息技术》教学设计（上）