使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX,.doc_第1页
使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX,.doc_第2页
使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX,.doc_第3页
使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX,.doc_第4页
使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX,.doc_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

使用Apache POI抽取OFFICE文本(DOC, DOCX, XLS, XLSX, PPT, PPTX)Desktop Search开发笔记【经验积累】时间2013-09-22 09:17:53 CSDN博客 相似文章 (0) 原文 /harryhuang1990/article/details/11888561 为了对文件内容进行索引,必须先抽取出文件中文本。我们使用Apache POI提供的API来抽取office文件(DOC, DOCX, XLS, XLSX, PPT, PPTX)中的文本。很多人在文件使用开源API的时候都很纳闷,Javadocs那么大,我要的API在到底在那个类里边。即使找到了也不明白这么多构造函数该用哪个创建想要的对象。本文给大家讲一下POI中我们该如何创建抽取(DOC, DOCX, XLS, XLSX, PPT, PPTX)的对象。 下载Apache POI( /download.html#POI-3.10-beta2 ) 把下面5个jar包和两个lib文件夹中的jar导入项目classpathpoi-3.10-beta1-20130628.jarpoi-excelant-3.10-beta1-20130628.jarpoi-ooxml-3.10-beta1-20130628.jarpoi-ooxml-schemas-3.10-beta1-20130628.jarpoi-scratchpad-3.10-beta1-20130628.jar/lib/ooxml-libDOC org.apache.poi.hwpf.extractor.WordExtractor 这个类只能处理word 2003文档(.doc) (1) 使用ExtractorFactory.createExtractor(InputStream) 创建抽取对象,返回的是公共接口对象,因此强制转换 InputStream fis = new FileInputStream(filePath); WorderExtractor extractor = (WordExtractor) ExtractorFactory.createExtractor(fis); (2) 使用WordExtractor创建抽取对象 介绍一下最后两种: 最后第二种接收InputStream来创建对象; 最后一种接收POIFSFileSystem来创建对象: POIFSFileSystem也接收InputStream来接收对象。 回过头来看看最后第三个构造函数,接收HWPFDocument来创建对象; 而HWPFDDocument通过接收InputStream或者POIFSFileSystem来创建对象。 DOCX org.apache.poi.POITextExtractor org.apache.poi.POIXMLTextExtractor org.apache.poi.xwpf.extractor.XWPFWordExtractor 这个类能够处理excel2007+(.docx) (1)该类对象的父类可以使用ExtratorFactory生成,但需要接收的参数是个virtual 对象OPCPackage,该对象不好确定。因此我们直接使用(2)中的方法创建对象 (2)新建XWPFWordExtractor对象 我们使用第二个构造函数,通过接收XWPFDocument对象来创建 XWPFDocument可以接收inputStream对象。 XLS org.apache.poi.hssf.extractor.ExcelExtractor 这个类只能处理excel 2003(.xls) (1)同DOC,通过ExtractorFactory创建 (2)新建ExcelExtractor对象 1)同DOC,通过接收POIFSFileSystem来创建对象 2)通过接收HSSFWorkbook来创建对象 HSSFWorkbook对象可以通过接收POIFSFileSystem或者InputStream对象来创建 样例代码: InputStream inp = new FileInputStream(this.filePath);HSSFWorkbook wb = new HSSFWorkbook(new POIFSFileSystem(inp);extractor = new ExcelExtractor(wb);/filter formulas from the resultsthis.extractor.setFormulasNotResults(true);/filter Sheet name from the resultsthis.extractor.setIncludeSheetNames(false);content = this.extractor.getText();XLSX org.apache.poi.POITextExtractor org.apache.poi.POIXMLTextExtractor 直接新建XSSFExcelExtractor对象: 通过接收XSSFWorkbook对象来创建: 发现XSSFWorkbook可以接收inputStream对象 PPT org.apache.poi.hslf.extractor.PowerPointExtractor (1)同DOC,用ExtractorFactory创建对象 (2)直接使用PowerPointExtractor创建对象 通过接收HSLFSlideShow对象、POIFSFileSystem对象或文件名即可创建。 PPTX org.apache.poi.POITextExtractor org.apache.poi.POIXMLTextExtractor 同XLSX,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论