java操作office和pdf文件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

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

/**
*
* @author 曹胜欢
*/
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

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

/**
*
* @author 曹胜欢
*/
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

import java.io.File;
import java.io.FileInputStream;
import org.pdfbox.pdfparser.PDFParser;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;

/**
*
* @author 曹胜欢
*/
<pre name="code" class="java">public class PdfFile{

    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 = ts.getText(pdd);
        pdd.close();
        fis.close();
        return c;
    }
}</pre><br>