java资料pdf,java资料文件 收藏 0

【分享】教你如何使用 Java 读取 Excel、docx、pdf 和 txt 文件

在 Java 开发中，我们经常需要读取不同类型的文件，包括 Excel 表格文件、\”doc\” 和 \”docx\” 文档文件、PDF 文件以及纯文本文件。

其中最常用的是 Apache POI 库。Apache POI 是一个流行的 Java 库，提供了许多 API 来读取和写入 Microsoft Office 文档，包括 Excel、Word 和 PowerPoint 等。

本文将介绍如何使用 Java 读取这些不同类型的文件。（本文的方法可供参考，还有其它方法读者自行查阅。）

以下是本人在开发过程中，读取\”doc\”、\”docx\”、\”pdf\” 和 \”txt\” 文件的代码例子，后面将详细解释。

txt文件读取不多说，用流读取。

读取 PDF 文件可以使用 Apache PDFBox 库。以下是一个示例代码，用于读取 PDF 文件的文本内容：

请确保将 path_to_your_pdf_file.pdf 替换为实际的 PDF 文件路径。通过调用 PDDocument.load() 方法加载 PDF 文件，然后创建一个 PDFTextStripper 对象，并使用 getText() 方法提取文本内容。最后，使用 document.close() 方法关闭 PDF 文档。

PDDocument.load() 方法接受多种类型的参数来加载 PDF 文档。以下是常用的参数类型：

• File 对象： 可以传递一个 java.io.File 对象，指向要加载的 PDF 文件。例如：PDDocument.load(new File(\”path_to_your_pdf_file.pdf\”))。
• 文件路径字符串： 可以直接传递一个字符串，表示要加载的 PDF 文件的路径。例如：PDDocument.load(\”path_to_your_pdf_file.pdf\”)。
• InputStream 对象： 可以传递一个 java.io.InputStream 对象，从中读取 PDF 内容。例如：PDDocument.load(inputStream)。
• RandomAccessRead 对象： 可以传递一个 org.apache.pdfbox.io.RandomAccessRead 对象，用于随机访问和读取 PDF 内容。例如：PDDocument.load(randomAccessRead)。

使用不同的参数类型，可以根据你的需求来加载 PDF 文档。请注意，无论使用哪种方式，都需要正确处理可能抛出的 IOException 异常，并在使用完 PDDocument 对象后调用 close() 方法关闭文档以释放资源。

读取 DOCX 文件，可以使用 Apache POI 库。

通过创建一个 FileInputStream 对象，并将其传递给 XWPFDocument 构造函数，来加载 DOCX 文件。然后，通过遍历文档中的段落，使用 getText() 方法提取文本内容，并将其存储在一个 StringBuilder 中。最后，输出文本内容。

提取文本内容，提供另外一种方法。

XWPFWordExtractor 是 Apache POI 库中的一个类，用于从 XWPFDocument 对象中提取文本。

然后，调用 getText() 方法，通过 extractor 对象提取文本内容。该方法会返回一个包含整个文档纯文本的字符串。

读取 DOC（.doc）文件，可以使用 Apache POI 库中的 HWPF 模块

1.使用 Apache POI 库读取 Excel 文件

首先创建了一个 File 对象来表示要读取的 Excel 文件，然后创建了一个 FileInputStream 对象来读取文件。接着，我们使用 XSSFWorkbook 类创建了一个 workbook 对象来表示整个 Excel 文档，并获取了第一个工作表（即索引为 0 的工作表）。

在循环中，我们首先遍历每一行 (Row)，然后再遍历每一列 (Cell)。我们可以使用 cell.toString() 方法获取单元格的值，并打印出来。最后，我们调用 workbook.close() 方法关闭工作簿，释放资源。

2.使用easyExcel

EasyExcel 是一款开源的 Java Excel 操作工具，它提供了简单易用的 API 来读取、写入和操作 Excel 文件。

读取excel文件

通过 EasyExcel.read(filePath) 创建了一个 Excel 读取器，然后通过 registerReadListener() 方法注册了一个读取监听器，你需要自己实现一个 ReadListener 的子类，并在其中重写相应的方法来处理读取到的数据。最后，通过 sheet().doRead() 方法执行读取操作。

详细的使用说明和更多示例可以在 EasyExcel 的官方文档中找到：

https://easyexcel.opensource.alibaba.com/

欢迎点赞+转发+关注！大家的支持是我分享最大的动力！！！

你还有什么想要补充的吗？欢迎大家交流分享经验哦~~~

java编辑PDF文件

在本文中，我们将了解如何使用 Java 编辑PDF 文件的内容。 首先，我们将添加新内容。 然后，我们将专注于删除或替换一些预先存在的内容。

我们将使用 iText7 库向 PDF 文件添加内容。 稍后，我们将使用 pdfSweep 插件来删除或替换内容。

请注意，iText 在 AGPL 下获得许可，这可能会限制商业应用程序的分发：iText 许可模型。

首先，让我们将这些依赖项添加到我们的 pom.xml 中：

让我们了解使用 iText7 处理 PDF 的步骤：

首先，我们打开一个 PdfReader 来读取源文件的内容。 如果在读取文件时随时发生错误，这将引发 IOException。

然后，我们打开一个 PdfWriter 到目标文件。 如果此文件不存在或无法创建，则会引发 FileNotFoundException。

之后，我们将打开一个使用 PdfReader 和 PdfWriter 的 PdfDocument。

最后，关闭 PdfDocument 会同时关闭底层 PdfReader 和 PdfWriter。

让我们编写一个 main() 方法来运行我们的整个处理。 为了简单起见，我们将重新抛出任何可能发生的异常：

在下一节中，我们将逐步完成 addContentToDocument() 方法，以便用新内容填充我们的 PDF。 源文档是一个 PDF 文件，左上角仅包含文本“你好，小王子”。 目标文件将由程序创建。

我们现在将向文件添加各种类型的内容。

• 添加表单

我们将从向文件中添加一个表单开始。 我们的表单将非常简单，并包含一个名为 name 的唯一字段。

此外，我们需要告诉 iText 在哪里放置该字段。 在这种情况下，我们将把它放在以下点：(35,400)。 坐标 (0,0) 指的是文档的左下角。 最后，我们将字段的尺寸设置为 100×30：

此外，我们明确指定 iText 将表单添加到文档的第一页。

• 添加新页面

现在让我们看看如何向文档添加新页面。 我们将使用 addNewPage() 方法。

如果我们想指定它，这个方法可以接受添加页面的索引。 例如，我们可以在文档的开头添加一个新页面：

完整方法如下：

• 添加注释

我们现在要为文档添加注释。 具体来说，注释看起来像一个方形的漫画气泡。

我们将把它添加到现在位于文档第二页的表单之上。 因此，我们将其放置在坐标 (40,435) 上。 此外，我们会给它一个简单的名称和内容。 这些只会在将鼠标悬停在注释上时显示：

这是我们第二页中间现在的样子：

• 添加图片

从现在开始，我们将向页面添加布局元素。 为了做到这一点，我们将无法再直接操作 PdfDocument。 我们宁愿从它创建一个文档并使用它。 此外，我们最终需要关闭文档。 关闭文档会自动关闭基础 PdfDocument，那外层的关闭document就需要注释。

//注释外面的关闭文档

现在，要添加图片，我们需要从它的位置加载它。 我们将使用 ImageDataFactory 类的 create() 方法来执行此操作。 如果无法解析传递的文件 URL，则会引发 MalformedURLException。 在此示例中，我们将使用放置在资源目录中的 rejoice图片：

下一步是在文件中设置图片的属性。 我们将其大小设置为 550×100。 我们将把它放在 PDF 的第一页，在 (10,50) 坐标处。 让我们看看添加图片的代码：

图像会自动重新缩放到给定的大小。 如下图所示：

• 添加段落

iText 库带来了一些工具来将文本添加到文件中。 字体可以在片段本身上进行参数化，也可以直接在段落元素上进行参数化。

例如，让我们在第一页的顶部添加以下句子：this is a demo from the princess runs to the end。 我们将这句话开头的字体大小设置为 16，将段落的全局字体大小设置为 8：

注意：只能用英文，如果想要用中文，需要手动添加字体包，这里为了方便不做演示

• 添加表格

最后但并非最不重要的一点是，我们还可以在文件中添加一个表。 例如，我们将定义一个复式表，其中包含两个单元格和两个表头。 我们不会指定任何位置。 所以它会自然地添加到文档顶部，就在我们刚刚添加的段落之后：

现在让我们看看文档第一页的开头：

现在让我们看看如何从 PDF 文件中删除内容。 为简单起见，我们将编写另一个 test 方法。

我们的源 PDF 文件将是 a-modified.pdf 文件，目标将是一个新的 a-cleaned.pdf 文件。 我们将直接处理 PdfDocument 对象。 从现在开始，我们将使用 iText 的 pdfSweep 插件。

• 从文件中擦除文本

要从文件中擦除给定的文本，我们需要定义一个清理策略。 在此示例中，策略将只是查找与 the 匹配的所有文本。 最后一步是调用 PdfCleaner 的 autoSweepCleanUp() 静态方法。 此方法将创建一个自定义 PdfCleanUpTool，如果在文件处理期间发生任何错误，它将引发 IOException：

如我们所见，源文件中出现的 the 词在结果文件中被黑色矩形覆盖。 例如，此功能适用于数据脱敏：

• 从文件中擦除其他内容

不幸的是，很难检测到文件中的任何非文本内容。 但是，pdfSweep 提供了擦除文件一部分内容的可能性。 因此，如果我们知道要擦除的内容的位置，我们就可以利用这种可能性。

例如，我们将擦除位于第二页 (35,400) 的大小为 100×35 的矩形的内容。 这意味着我们将摆脱表单和注释的所有内容。 下面是执行所有这些操作的代码：

如下图所示，第二页中的表单被删除了

在本节中，我们将做与前面相同的工作，只是我们将用新文本替换以前的文本，而不是只删除它。

为了更清楚起见，我们将再次使用新的 test() 方法。我们的源文件将是 a-modified.pdf 文件。我们的目标文件将是一个新的 a-fixed.pdf 文件。

之前我们看到删除的文本被黑色背景覆盖。但是，此颜色是可配置的。由于我们知道文件中文本的背景是白色的，我们将强制覆盖为白色，与我们之前擦除的方法的类似。

但是，在调用 autoSweepCleanUp() 之后，我们将查询策略以获取已擦除代码的位置。然后，我们将实例化一个包含替换文本 abc的 PdfCanvas。此外，我们将删除上边距以使其与原始文本更好地对齐。默认对齐确实不太好。让我们看一下生成的代码：

我们可以看一下效果：

在本教程中，我们了解了如何编辑 PDF 文件的内容。 我们已经看到，我们可以添加新内容、删除现有内容，甚至可以将原始文件中的文本替换为新内容。

本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com