Java實(shí)現(xiàn)讀取不同格式的文件的示例詳解

更新時(shí)間：2024年01月26日 08:08:20 作者：不歸SUN

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"?等,本文將介紹如何使用?Java?讀取這些不同類型的文件,需要的可以參考下

舉個(gè)栗子

以下是本人在開發(fā)過(guò)程中，讀取"doc"、"docx"、"pdf" 和 "txt" 文件的代碼例子，后面將詳細(xì)解釋。

txt文件讀取不多說(shuō)，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;  
    }
}

導(dǎo)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(dòng)檢測(cè)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(kù)。以下是一個(gè)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(duì)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(guān)閉 PDF 文檔
            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

請(qǐng)確保將 path_to_your_pdf_file.pdf 替換為實(shí)際的 PDF 文件路徑。通過(guò)調(diào)用 PDDocument.load() 方法加載 PDF 文件，然后創(chuàng)建一個(gè) PDFTextStripper 對(duì)象，并使用 getText() 方法提取文本內(nèi)容。最后，使用 document.close() 方法關(guān)閉 PDF 文檔。

PDDocument.load() 方法接受多種類型的參數(shù)來(lái)加載 PDF 文檔。以下是常用的參數(shù)類型：

File 對(duì)象：可以傳遞一個(gè) java.io.File 對(duì)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(gè)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(duì)象：可以傳遞一個(gè) java.io.InputStream 對(duì)象，從中讀取 PDF 內(nèi)容。例如：PDDocument.load(inputStream)。

RandomAccessRead 對(duì)象：可以傳遞一個(gè) org.apache.pdfbox.io.RandomAccessRead 對(duì)象，用于隨機(jī)訪問(wèn)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(lái)加載 PDF 文檔。請(qǐng)注意，無(wú)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(duì)象后調(diào)用 close() 方法關(guān)閉文檔以釋放資源。

2.讀取docx

讀取 DOCX 文件，可以使用 Apache POI 庫(kù)。

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(guān)閉 DOCX 文檔
            document.close();
            fis.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

通過(guò)創(chuàng)建一個(gè) FileInputStream 對(duì)象，并將其傳遞給 XWPFDocument 構(gòu)造函數(shù)，來(lái)加載 DOCX 文件。然后，通過(guò)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(chǔ)在一個(gè) 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(kù)中的一個(gè)類，用于從 XWPFDocument 對(duì)象中提取文本。

然后，調(diào)用 getText() 方法，通過(guò) extractor 對(duì)象提取文本內(nèi)容。該方法會(huì)返回一個(gè)包含整個(gè)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(kù)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(guān)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(kù)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(gè) File 對(duì)象來(lái)表示要讀取的 Excel 文件，然后創(chuàng)建了一個(gè) FileInputStream 對(duì)象來(lái)讀取文件。接著，我們使用 XSSFWorkbook 類創(chuàng)建了一個(gè) workbook 對(duì)象來(lái)表示整個(gè) Excel 文檔，并獲取了第一個(gè)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(lái)。最后，我們調(diào)用 workbook.close() 方法關(guān)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(jiǎn)單易用的 API 來(lái)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(cè)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(guò) EasyExcel.read(filePath) 創(chuàng)建了一個(gè) Excel 讀取器，然后通過(guò) registerReadListener() 方法注冊(cè)了一個(gè)讀取監(jiān)聽器，你需要自己實(shí)現(xiàn)一個(gè) ReadListener 的子類，并在其中重寫相應(yīng)的方法來(lái)處理讀取到的數(shù)據(jù)。最后，通過(guò) sheet().doRead() 方法執(zhí)行讀取操作。詳細(xì)的使用說(shuō)明和更多示例可以在 EasyExcel 的官方文檔中找到：www.yuque.com/easyexcel/doc/easyexcel。

到此這篇關(guān)于Java實(shí)現(xiàn)讀取不同格式的文件的示例詳解的文章就介紹到這了,更多相關(guān)Java讀取文件內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: