1。用jacob.
其实jacob是一个bridage，连接java和com或者win32函数的一个中间件，jacob并不能直接抽取word,excel等文件，需要自己写dll哦，不过已经有为你写好的了，就是jacob的作者一并提供了。
jacob下载： http://www.matrix.org.cn/down_view.asp?id=13
下载了jacob并放到指定的路径之后(dll放到path,jar文件放到classpath)，就可以写你自己的抽取程序了，下面是一个例子：
import java.io.File
import com.jacob.com.*
import com.jacob.activeX.*
public class FileExtracter{
public static void main(String[] args) {
ActiveXComponent app = new ActiveXComponent("Word.Application")
String inFile = "c:\\test.doc"
String tpFile = "c:\\temp.htm"
String otFile = "c:\\temp.xml"
boolean flag = false
try {
app.setProperty("Visible", new Variant(false))
Object docs = app.getProperty("Documents").toDispatch()
Object doc = Dispatch.invoke(docs,"Open", Dispatch.Method, new Object[]{inFile,new Variant(false), new Variant(true)}, new int[1]).toDispatch()
Dispatch.invoke(doc,"SaveAs", Dispatch.Method, new Object[]{tpFile,new Variant(8)}, new int[1])
Variant f = new Variant(false)
Dispatch.call(doc, "Close", f)
flag = true
} catch (Exception e) {
e.printStackTrace()
} finally {
app.invoke("Quit", new Variant[] {})
}
}
}
2。用apache的poi来抽取word，excel。
poi是apache的一个项目，不过就算用poi你可能都觉得很烦，不过不要紧，这里提供了更加简单的一个接口给你：
下载经过封装后的poi包： http://www.matrix.org.cn/down_view.asp?id=14
下载之后，放到你的classpath就可以了，下面是如何使用它的一个例子：
import java.io.*
import org.textmining.text.extraction.WordExtractor
/**
*
Title: pdf extraction
*
Description: email:[email protected]
*
Copyright: Matrix Copyright (c) 2003
*
Company: Matrix.org.cn
* @author chris
* @version 1.0,who use this example pls remain the declare
*/
public class PdfExtractor {
public PdfExtractor() {
}
public static void main(String args[]) throws Exception
{
FileInputStream in = new FileInputStream ("c:\\a.doc")
WordExtractor extractor = new WordExtractor()
String str = extractor.extractText(in)
System.out.println("the result length is"+str.length())
System.out.println("the result is"+str)
}
}
import java.util.*public class Property {
/**
*
* @param args the args is a parative
*/
public static void main(String[] args) {
System.out.println(new Date())
Properties p = System.getProperties()
p.list(System.out)
System.out.println("--- Memory Usage:")
Runtime rt = Runtime.getRuntime()
System.out.println("Total Memory = "
+ rt.totalMemory()
+ " Free Memory = "
+ rt.freeMemory())
}
}
在CMD运行：javac -d docDirectory nameOfPackage(docDirectory是.html保存的路径，nameOfPackage是需要提取注释的包的名称)
如果只要Property类的.htm，在当前目录，则在CMD运行：javac Property.java(已经在Property所在路径)
