Java 读取 Excel、docx、pdf 和 txt 等文件万能方法!

2024-06-07 19:12

本文主要是介绍Java 读取 Excel、docx、pdf 和 txt 等文件万能方法!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

如何使用 Java 读取 Excel、"doc"、"docx"、"pdf" 和 "txt" 文件。

在 Java 开发中,我们经常需要读取不同类型的文件,包括 Excel 表格文件、"doc" 和 "docx" 文档文件、PDF 文件以及纯文本文件。

其中最常用的是 Apache POI 库。Apache POI 是一个流行的 Java 库,提供了许多 API 来读取和写入 Microsoft Office 文档,包括 Excel、Word 和 PowerPoint 等。

本文将介绍如何使用 Java 读取这些不同类型的文件。(本文的方法可供参考,还有其它方法读者自行查阅。)

1.举个栗子

以下是本人在开发过程中,读取"doc"、"docx"、"pdf" 和 "txt" 文件的代码例子,后面将详细解释。

txt文件读取不多说,用流读取。

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;//fileExtension文件后缀名
private String readFileContent(MultipartFile file, String fileExtension) throws IOException {  byte[] fileBytes = file.getBytes();  if (fileBytes.length == 0){  throw new BusinessException(ResultCodeEnum.FILE_CONTENT_IS_EMPTY);  }  switch (fileExtension) {  case "txt":  return new String(fileBytes, StandardCharsets.UTF_8);  case "pdf":  try (PDDocument doc = PDDocument.load(file.getInputStream())) {  PDFTextStripper textStripper = new PDFTextStripper();  return textStripper.getText(doc);  }  case "docx":  try (InputStream stream = file.getInputStream()) {  XWPFDocument xdoc = new XWPFDocument(stream);  XWPFWordExtractor extractor = new XWPFWordExtractor(xdoc);  return extractor.getText();  }  case "doc":  try (InputStream stream = file.getInputStream()) {  WordExtractor extractor = new WordExtractor(stream);  return extractor.getText();  }  default:  log.error("不支持的文件格式");  return null;  }
}

2.导入依赖包

<dependencies><!-- Apache POI 读取和写入 Microsoft Office 文档 --><dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>5.0.0</version></dependency><dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>5.0.0</version></dependency><!-- Apache PDFBox 处理 PDF 文件 --><dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.24</version></dependency><!-- Apache Tika 自动检测和提取元数据和文本内容 --><dependency><groupId>org.apache.tika</groupId><artifactId>tika-core</artifactId><version>2.1.0</version></dependency><!-- iText 处理 PDF 文件 --><dependency><groupId>com.itextpdf</groupId><artifactId>itextpdf</artifactId><version>5.5.13</version></dependency>
</dependencies>
1.读取pdf

读取 PDF 文件可以使用 Apache PDFBox 库。以下是一个示例代码,用于读取 PDF 文件的文本内容:

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;import java.io.File;
import java.io.IOException;public class PdfReaderExample {public static void main(String[] args) {try {// 1. 加载 PDF 文档File file = new File("path_to_your_pdf_file.pdf");PDDocument document = PDDocument.load(file);// 2. 创建 PDFTextStripper 对象,并提取文本内容PDFTextStripper textStripper = new PDFTextStripper();String content = textStripper.getText(document);// 3. 输出文本内容System.out.println(content);// 4. 关闭 PDF 文档document.close();} catch (IOException e) {e.printStackTrace();}}
}

请确保将 path_to_your_pdf_file.pdf 替换为实际的 PDF 文件路径。通过调用 PDDocument.load() 方法加载 PDF 文件,然后创建一个 PDFTextStripper 对象,并使用 getText() 方法提取文本内容。最后,使用 document.close() 方法关闭 PDF 文档。

PDDocument.load() 方法接受多种类型的参数来加载 PDF 文档。以下是常用的参数类型:

  • File 对象: 可以传递一个 java.io.File 对象,指向要加载的 PDF 文件。例如:PDDocument.load(new File("path_to_your_pdf_file.pdf"))

  • 文件路径字符串: 可以直接传递一个字符串,表示要加载的 PDF 文件的路径。例如:PDDocument.load("path_to_your_pdf_file.pdf")

  • InputStream 对象: 可以传递一个 java.io.InputStream 对象,从中读取 PDF 内容。例如:PDDocument.load(inputStream)

  • RandomAccessRead 对象: 可以传递一个 org.apache.pdfbox.io.RandomAccessRead 对象,用于随机访问和读取 PDF 内容。例如:PDDocument.load(randomAccessRead)

使用不同的参数类型,可以根据你的需求来加载 PDF 文档。请注意,无论使用哪种方式,都需要正确处理可能抛出的 IOException 异常,并在使用完 PDDocument 对象后调用 close() 方法关闭文档以释放资源。

2.读取docx

读取 DOCX 文件,可以使用 Apache POI 库。

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;public class DocxReaderExample {public static void main(String[] args) {try {// 1. 加载 DOCX 文档File file = new File("path_to_your_docx_file.docx");InputStream fis = new FileInputStream(file);XWPFDocument document = new XWPFDocument(fis);// 2. 提取文本内容StringBuilder content = new StringBuilder();for (XWPFParagraph paragraph : document.getParagraphs()) {content.append(paragraph.getText());content.append("\n");}// 3. 输出文本内容System.out.println(content.toString());// 4. 关闭 DOCX 文档document.close();fis.close();} catch (IOException e) {e.printStackTrace();}}
}

通过创建一个 FileInputStream 对象,并将其传递给 XWPFDocument 构造函数,来加载 DOCX 文件。然后,通过遍历文档中的段落,使用 getText() 方法提取文本内容,并将其存储在一个 StringBuilder 中。最后,输出文本内容。

提取文本内容,提供另外一种方法。

XWPFDocument document = new XWPFDocument(fis); 
// 2. 提取文本内容 
XWPFWordExtractor extractor = new XWPFWordExtractor(document); 
String text = extractor.getText();

XWPFWordExtractor 是 Apache POI 库中的一个类,用于从 XWPFDocument 对象中提取文本。

然后,调用 getText() 方法,通过 extractor 对象提取文本内容。该方法会返回一个包含整个文档纯文本的字符串。

3.读取doc

读取 DOC(.doc)文件,可以使用 Apache POI 库中的 HWPF 模块

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;public class DocTextExtractor {public static String extractTextFromDoc(String filePath) {try {// 1. 加载 DOC 文档File file = new File(filePath);FileInputStream fis = new FileInputStream(file);HWPFDocument document = new HWPFDocument(fis);// 2. 提取文本内容WordExtractor extractor = new WordExtractor(document);String text = extractor.getText();// 3. 关闭 DOC 文档和提取器extractor.close();document.close();fis.close();// 4. 返回提取的文本内容return text;} catch (IOException e) {e.printStackTrace();}return null;}public static void main(String[] args) {String filePath = "path_to_your_doc_file.doc";String extractedText = extractTextFromDoc(filePath);System.out.println(extractedText);}
}
4.读取Excel

1.使用 Apache POI 库读取 Excel 文件

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import org.apache.poi.ss.usermodel.Cell;
import org.apache.poi.ss.usermodel.Row;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;public class ExcelReader {public static void main(String[] args) throws IOException {File file = new File("path/to/excel/file");FileInputStream inputStream = new FileInputStream(file);XSSFWorkbook workbook = new XSSFWorkbook(inputStream);Sheet sheet = workbook.getSheetAt(0);for (Row row : sheet) {for (Cell cell : row) {System.out.print(cell.toString() + "\t");}System.out.println();}workbook.close();}
}

首先创建了一个 File 对象来表示要读取的 Excel 文件,然后创建了一个 FileInputStream 对象来读取文件。接着,我们使用 XSSFWorkbook 类创建了一个 workbook 对象来表示整个 Excel 文档,并获取了第一个工作表(即索引为 0 的工作表)。

在循环中,我们首先遍历每一行 (Row),然后再遍历每一列 (Cell)。我们可以使用 cell.toString() 方法获取单元格的值,并打印出来。最后,我们调用 workbook.close() 方法关闭工作簿,释放资源。

2.使用easyExcel

EasyExcel 是一款开源的 Java Excel 操作工具,它提供了简单易用的 API 来读取、写入和操作 Excel 文件。

<dependency><groupId>com.alibaba</groupId><artifactId>easyexcel</artifactId><version>2.4.3</version>
</dependency>

读取excel文件

import com.alibaba.excel.EasyExcel;
import com.alibaba.excel.read.builder.ExcelReaderBuilder;
import com.alibaba.excel.read.listener.ReadListener;public class ExcelReader {public static void main(String[] args) {String filePath = "path_to_your_excel_file.xlsx";// 创建 Excel 读取器ExcelReaderBuilder readerBuilder = EasyExcel.read(filePath);// 注册读取监听器ReadListener<Object> listener = new YourReadListener();readerBuilder.registerReadListener(listener);// 执行读取操作readerBuilder.sheet().doRead();}
}

通过 EasyExcel.read(filePath) 创建了一个 Excel 读取器,然后通过 registerReadListener() 方法注册了一个读取监听器,你需要自己实现一个 ReadListener 的子类,并在其中重写相应的方法来处理读取到的数据。最后,通过 sheet().doRead() 方法执行读取操作。

这篇关于Java 读取 Excel、docx、pdf 和 txt 等文件万能方法!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1040054

相关文章

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时,有没有考虑过 JVM 是如何把静态的字节码(byte code)转化为运行时对象的呢,这个问题看似简单,但清楚的同学相信也不会太多,这篇文章首先介绍 JVM 类初始化的机制,然后给出几个易出错的实例来分析,帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段,分别是:loading 、Linking、initialization

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类,它们之间的依赖,构建起了整个框架。想要理解整个架构,最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文(security context)的信息。当前操作的用户是谁,该用户是否已经被认证,他拥有哪些角色权限…这些都被保

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

Java进阶13讲__第12讲_1/2

多线程、线程池 1.  线程概念 1.1  什么是线程 1.2  线程的好处 2.   创建线程的三种方式 注意事项 2.1  继承Thread类 2.1.1 认识  2.1.2  编码实现  package cn.hdc.oop10.Thread;import org.slf4j.Logger;import org.slf4j.LoggerFactory

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业