Lucene5(6)读取word、pdf内容

╰半夏微凉° 2022-06-07 00:54 144阅读 0赞

### No bibi 亮代码 ###

/** * 读取doc */
    @Test
    public void readWord2003() throws Exception{
        InputStream is = new FileInputStream("E:/test.doc");
        HWPFDocument doc2003 = new HWPFDocument(is);
        WordExtractor word2003 = new WordExtractor(doc2003);
        System.out.println(word2003.getText());
        word2003.close();
        doc2003.close();
        is.close();
    }
    
    /** * 读取docx */
    @Test
    public void readWord2007() throws Exception{
        InputStream is = new FileInputStream("E:/test.docx");
        XWPFDocument doc2007 = new XWPFDocument(is);
        XWPFWordExtractor word2007 = new XWPFWordExtractor(doc2007);
        System.out.println(word2007.getText());
        word2007.close();
        doc2007.close();
        is.close();
    }
    
    /** * 读取pdf */
    @Test
    public void readPDF() throws Exception{
        InputStream is = new FileInputStream("E:/test.pdf");
        PDDocument document=PDDocument.load(is);
        //获取一个PDFTextStripper文本剥离对象 
        PDFTextStripper stripper = new PDFTextStripper();
        //获取文本内容
        String content = stripper.getText(document);
        System.out.println(content);
        document.close();
        is.close();
    }

发表评论取消回复

表情：

评论列表（有 0 条评论，144人围观）

还没有评论，来说两句吧...

相关阅读

相关 java 读取word内容

读取doc文件主要是poi-scratchpad的正确引入

矫情吗；*/ 2024年04月20日 22:23/ 0 赞/ 118 阅读

相关 js 读取文件内容

var openFile = function(event) \{ var input = event;

柔光的暖阳◎/ 2023年06月15日 09:46/ 0 赞/ 24 阅读

相关读取文件内容demo

读取文件内容代码：fileName为文件夹路径 //读取json文件 public static String readJsonFile(String

我会带着你远行/ 2022年10月17日 13:48/ 0 赞/ 275 阅读

相关 tika读取文件内容

![07091814_WSiM.png][] Tika是一个内容抽取的工具集合(a toolkit for text extracting)。它集成了[POI][],

旧城等待，/ 2022年08月25日 10:57/ 0 赞/ 309 阅读

相关读取csv文件内容

原文：[http://www.codeproject.com/Tips/806934/How-to-Return-the-Contents-of-a-CSV-file-as-a

小灰灰/ 2022年08月11日 00:48/ 0 赞/ 301 阅读

相关文件内容读取--Tika

功能介绍 Tika是Apache下开源的文档内容解析工具，支持上千种文档格式（如PPT、XLS、PDF）。Tika使用统一的方法对各种类型文件进行内容解析,封装了各种格式

Love The Way You Lie/ 2022年07月03日 23:13/ 0 赞/ 309 阅读

相关 Lucene5(6)读取word、pdf内容

No bibi 亮代码 / 读取doc / @Test public void readWord2003() throws Exception{

╰半夏微凉°/ 2022年06月07日 00:54/ 0 赞/ 145 阅读

相关 FileInputStream 读取文件内容

public class Test { public static void main(String[] args) throws IOExceptio

超、凢脫俗/ 2022年05月20日 04:15/ 0 赞/ 261 阅读

相关 Java读取文件内容

“卷地风来忽吹散，望湖楼下水如天” 简单点，直接上代码： //获取文件输入流 File file = new File("D:\\abc.txt");

「爱情、让人受尽委屈。」/ 2022年05月13日 23:58/ 0 赞/ 300 阅读

相关 shell 读取文件内容

1、准备数据文件 $cat a.txt 200:2 300:3 400:4 500:5 2、用while循环从文件中读取数据 \!/bin/ksh whi

太过爱你忘了你带给我的痛/ 2021年06月24日 14:35/ 0 赞/ 614 阅读