java操作office和pdf文件

（一）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 plaincopyprint?

import java.io.File;

import java.io.FileInputStream;

import org.apache.poi.hwpf.HWPFDocument;

import org.apache.poi.hwpf.usermodel.Range;

public class DocFile{

@Override

public String getContent(File f)
throws Exception {
FileInputStream fis = new FileInputStream(f);

HWPFDocument doc = new HWPFDocument(fis);

Range rang = doc.getRange();
String text = rang.text();
fis.close();
return text;
}

import java.io.File;   
import java.io.FileInputStream;   
import org.apache.poi.hwpf.HWPFDocument;   
import org.apache.poi.hwpf.usermodel.Range;   

public class DocFile{   

    @Override 
    public String getContent(File f) throws Exception {   
        FileInputStream fis = new FileInputStream(f);   
        HWPFDocument doc = new HWPFDocument(fis);   
        Range rang = doc.getRange();   
        String text = rang.text();   
        fis.close();   
        return text;   
    }

2.引用jxl包读取excel文档的内容

[java]
view plaincopyprint?

import java.io.File;

import java.io.FileInputStream;

import jxl.Cell;

import jxl.Sheet;
import jxl.Workbook;

public class XlsFile{

@Override

public String getContent(File f)
throws Exception {
//构建Workbook对象, 只读Workbook对象

//直接从本地文件创建Workbook
//从输入流创建Workbook

FileInputStream fis = new FileInputStream(f);

StringBuilder sb = new StringBuilder();

jxl.Workbook rwb = Workbook.getWorkbook(fis);
//一旦创建了Workbook，我们就可以通过它来访问
//Excel Sheet的数组集合(术语：工作表)，

//也可以调用getsheet方法获取指定的工资表
Sheet[] sheet = rwb.getSheets();
for (int i =
0; i < sheet.length; i++) {
Sheet rs = rwb.getSheet(i);
for (int j =
0; j < rs.getRows(); j++) {
Cell[] cells = rs.getRow(j);
for(int k=0;k<cells.length;k++)

sb.append(cells[k].getContents());
}
}
fis.close();
return sb.toString();

}

}

import java.io.File;   
import java.io.FileInputStream;   
import jxl.Cell;   
import jxl.Sheet;   
import jxl.Workbook;   

public class XlsFile{   

    @Override   
    public String getContent(File f) throws Exception {   
     //构建Workbook对象, 只读Workbook对象
     //直接从本地文件创建Workbook
      //从输入流创建Workbook

        FileInputStream fis = new FileInputStream(f);   
        StringBuilder sb = new StringBuilder();   
        jxl.Workbook rwb = Workbook.getWorkbook(fis);   
//一旦创建了Workbook，我们就可以通过它来访问
//Excel Sheet的数组集合(术语：工作表)，
//也可以调用getsheet方法获取指定的工资表
        Sheet[] sheet = rwb.getSheets();   
        for (int i = 0; i < sheet.length; i++) {   
            Sheet rs = rwb.getSheet(i);   
            for (int j = 0; j < rs.getRows(); j++) {   
               Cell[] cells = rs.getRow(j);   
               for(int k=0;k<cells.length;k++)   
               sb.append(cells[k].getContents());   
            }   
        }   
        fis.close();   
        return sb.toString();   
    }   

}

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 plaincopyprint?

import java.io.File;

import java.io.FileInputStream;

import org.pdfbox.pdfparser.PDFParser;

import org.pdfbox.pdmodel.PDDocument;

import org.pdfbox.util.PDFTextStripper;

public class PdfFile{

@Override

public String getContent(File f)
throws Exception {
FileInputStream fis = new FileInputStream(f);

PDFParser p = new PDFParser(fis);

p.parse();
PDDocument pdd = p.getPDDocument();
PDFTextStripper ts = new PDFTextStripper();

String c = super.toHtml(ts.getText(pdd));

pdd.close();
fis.close();
return c;

}
}