Java讀取Excel、docx、pdf和txt等文件萬能方法舉例
前言
在 Java 開發(fā)中，我們經(jīng)常需要讀取不同類型的文件，包括 Excel 表格文件、"doc" 和 "docx" 文檔文件、PDF 文件以及純文本文件。
其中最常用的是 Apache POI 庫。Apache POI 是一個流行的 Java 庫，提供了許多 API 來讀取和寫入 Microsoft Office 文檔，包括 Excel、Word 和 PowerPoint 等。
本文將介紹如何使用 Java 讀取這些不同類型的文件。（本文的方法可供參考，還有其它方法讀者自行查閱。）
1.舉個栗子
以下是本人在開發(fā)過程中，讀取"doc"、"docx"、"pdf" 和 "txt" 文件的代碼例子，后面將詳細解釋。
txt文件讀取不多說，用流讀取。
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文件后綴名
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.導入依賴包
<dependencies>
<!-- Apache POI 讀取和寫入 Microsoft Office 文檔 -->
<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 處理 PDF 文件 -->
<dependency>
<groupId>org.apache.pdfbox</groupId>
<artifactId>pdfbox</artifactId>
<version>2.0.24</version>
</dependency>
<!-- Apache Tika 自動檢測和提取元數(shù)據(jù)和文本內(nèi)容 -->
<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-core</artifactId>
<version>2.1.0</version>
</dependency>
<!-- iText 處理 PDF 文件 -->
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itextpdf</artifactId>
<version>5.5.13</version>
</dependency>
</dependencies>
1.讀取pdf
讀取 PDF 文件可以使用 Apache PDFBox 庫。以下是一個示例代碼，用于讀取 PDF 文件的文本內(nèi)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. 加載 PDF 文檔
File file = new File("path_to_your_pdf_file.pdf");
PDDocument document = PDDocument.load(file);
// 2. 創(chuàng)建 PDFTextStripper 對象，并提取文本內(nèi)容
PDFTextStripper textStripper = new PDFTextStripper();
String content = textStripper.getText(document);
// 3. 輸出文本內(nèi)容
System.out.println(content);
// 4. 關閉 PDF 文檔
document.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
請確保將 path_to_your_pdf_file.pdf 替換為實際的 PDF 文件路徑。通過調用 PDDocument.load() 方法加載 PDF 文件，然后創(chuàng)建一個 PDFTextStripper 對象，并使用 getText() 方法提取文本內(nèi)容。最后，使用 document.close() 方法關閉 PDF 文檔。
PDDocument.load() 方法接受多種類型的參數(shù)來加載 PDF 文檔。以下是常用的參數(shù)類型：
File 對象： 可以傳遞一個 java.io.File 對象，指向要加載的 PDF 文件。例如：
PDDocument.load(new File("path_to_your_pdf_file.pdf"))。文件路徑字符串： 可以直接傳遞一個字符串，表示要加載的 PDF 文件的路徑。例如：
PDDocument.load("path_to_your_pdf_file.pdf")。InputStream 對象： 可以傳遞一個
java.io.InputStream對象，從中讀取 PDF 內(nèi)容。例如：PDDocument.load(inputStream)。RandomAccessRead 對象： 可以傳遞一個
org.apache.pdfbox.io.RandomAccessRead對象，用于隨機訪問和讀取 PDF 內(nèi)容。例如：PDDocument.load(randomAccessRead)。
使用不同的參數(shù)類型，可以根據(jù)你的需求來加載 PDF 文檔。請注意，無論使用哪種方式，都需要正確處理可能拋出的 IOException 異常，并在使用完 PDDocument 對象后調用 close() 方法關閉文檔以釋放資源。
2.讀取docx
讀取 DOCX 文件，可以使用 Apache POI 庫。
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. 加載 DOCX 文檔
File file = new File("path_to_your_docx_file.docx");
InputStream fis = new FileInputStream(file);
XWPFDocument document = new XWPFDocument(fis);
// 2. 提取文本內(nèi)容
StringBuilder content = new StringBuilder();
for (XWPFParagraph paragraph : document.getParagraphs()) {
content.append(paragraph.getText());
content.append("\n");
}
// 3. 輸出文本內(nèi)容
System.out.println(content.toString());
// 4. 關閉 DOCX 文檔
document.close();
fis.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
通過創(chuàng)建一個 FileInputStream 對象，并將其傳遞給 XWPFDocument 構造函數(shù)，來加載 DOCX 文件。然后，通過遍歷文檔中的段落，使用 getText() 方法提取文本內(nèi)容，并將其存儲在一個 StringBuilder 中。最后，輸出文本內(nèi)容。
提取文本內(nèi)容，提供另外一種方法。
XWPFDocument document = new XWPFDocument(fis); // 2. 提取文本內(nèi)容 XWPFWordExtractor extractor = new XWPFWordExtractor(document); String text = extractor.getText();
XWPFWordExtractor 是 Apache POI 庫中的一個類，用于從 XWPFDocument 對象中提取文本。
然后，調用 getText() 方法，通過 extractor 對象提取文本內(nèi)容。該方法會返回一個包含整個文檔純文本的字符串。
3.讀取doc
讀取 DOC（.doc）文件，可以使用 Apache POI 庫中的 HWPF 模塊
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. 加載 DOC 文檔
File file = new File(filePath);
FileInputStream fis = new FileInputStream(file);
HWPFDocument document = new HWPFDocument(fis);
// 2. 提取文本內(nèi)容
WordExtractor extractor = new WordExtractor(document);
String text = extractor.getText();
// 3. 關閉 DOC 文檔和提取器
extractor.close();
document.close();
fis.close();
// 4. 返回提取的文本內(nèi)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.讀取Excel
1.使用 Apache POI 庫讀取 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();
}
}
首先創(chuàng)建了一個 File 對象來表示要讀取的 Excel 文件，然后創(chuàng)建了一個 FileInputStream 對象來讀取文件。接著，我們使用 XSSFWorkbook 類創(chuàng)建了一個 workbook 對象來表示整個 Excel 文檔，并獲取了第一個工作表（即索引為 0 的工作表）。
在循環(huán)中，我們首先遍歷每一行 (Row)，然后再遍歷每一列 (Cell)。我們可以使用 cell.toString() 方法獲取單元格的值，并打印出來。最后，我們調用 workbook.close() 方法關閉工作簿，釋放資源。
2.使用easyExcel
EasyExcel 是一款開源的 Java Excel 操作工具，它提供了簡單易用的 API 來讀取、寫入和操作 Excel 文件。
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>easyexcel</artifactId>
<version>2.4.3</version>
</dependency>
讀取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";
// 創(chuàng)建 Excel 讀取器
ExcelReaderBuilder readerBuilder = EasyExcel.read(filePath);
// 注冊讀取監(jiān)聽器
ReadListener<Object> listener = new YourReadListener();
readerBuilder.registerReadListener(listener);
// 執(zhí)行讀取操作
readerBuilder.sheet().doRead();
}
}
通過 EasyExcel.read(filePath) 創(chuàng)建了一個 Excel 讀取器，然后通過 registerReadListener() 方法注冊了一個讀取監(jiān)聽器，你需要自己實現(xiàn)一個 ReadListener 的子類，并在其中重寫相應的方法來處理讀取到的數(shù)據(jù)。最后，通過 sheet().doRead() 方法執(zhí)行讀取操作。
總結
到此這篇關于Java讀取Excel、docx、pdf和txt等文件萬能方法的文章就介紹到這了,更多相關Java讀取Excel、docx、pdf和txt文件內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Java實戰(zhàn)之實現(xiàn)用戶登錄,文中有非常詳細的代碼示例,對正在學習java的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-04-04
struts2 validation.xml 驗證規(guī)則代碼解析
這篇文章主要介紹了struts2 validation.xml 驗證規(guī)則代碼解析，具有一定借鑒價值,需要的朋友可以參考下2018-01-01
循環(huán)語句可以在滿足循環(huán)條件的情況下,反復執(zhí)行某一段代碼,這段被重復執(zhí)行的代碼被稱為循環(huán)體語句,下面這篇文章主要給大家總結介紹了關于Java?SE循環(huán)一些基本練習題,需要的朋友可以參考下2024-03-03
線程池之newCachedThreadPool可緩存線程池的實例
這篇文章主要介紹了線程池之newCachedThreadPool可緩存線程池的實例，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-06-06
關于Linux服務器配置java環(huán)境遇到的問題小結
這篇文章主要介紹了關于Linux服務器配置java環(huán)境遇到的問題小結,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-12-12
最近項目要求部署到其他公司的服務器上,但是又不想將源碼泄露出去,要求對正式環(huán)境的啟動包進行安全性處理,防止客戶直接通過反編譯工具將代碼反編譯出來,本文介紹了如何對SpringBoot項目Jar包進行加密防止反編譯,需要的朋友可以參考下2024-08-08
本文主要介紹Java基礎面試題集錦，這里整理了面試java工程師的基礎知識題錦，有需要的小伙伴可以參考下2016-09-09
這篇文章主要介紹了mybatis存在更新不存在新增問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-08-08
這篇文章主要為大家介紹了Groovy動態(tài)語言使用教程簡介，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-09-09
java開發(fā)SpringBoot參數(shù)校驗過程示例教程
這篇文章主要為大家介紹了SpringBoot如何進行參數(shù)校驗的過程示例詳解教程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步2021-10-10