JAVA读取WORD,EXCEL,POWERPOINT,PDF文件的方法

 　　考试吧编辑整理：JAVA读取WORD,EXCEL,POWERPOINT,PDF文件的方法

　　OFFICE文档使用POI控件，PDF可以使用PDFBOX0.7.3控件，完全支持中文，用XPDF也行，不过感觉PDFBOX比较好，而且也在更新。水平有限，万望各位指正

　　WORD:

　　import org.apache.lucene.document.Document;

　　import org.apache.lucene.document.Field;

　　import org.apache.poi.hwpf.extractor.WordExtractor;

　　import java.io.File;

　　import java.io.InputStream;

　　import java.io.FileInputStream;

　　import com.search.code.Index;

　　public Document getDocument(Index index, String url, String title, InputStream is) throws DocCenterException {

　　 String bodyText = null;

　　try {

　　WordExtractor ex = new WordExtractor(is);//is是WORD文件的InputStream

　　bodyText = ex.getText();

　　if(!bodyText.equals("")){

　　index.AddIndex(url, title, bodyText);

　　}

　　}catch (DocCenterException e) {

　　throw new DocCenterException("无法从该Mocriosoft Word文档中提取内容", e);

　　}catch(Exception e){

　　e.printStackTrace();

　　}

　　}

　　return null;

　　}

　　Excel:

　　import org.apache.lucene.document.Document;

　　import org.apache.lucene.document.Field;

　　import org.apache.poi.hwpf.extractor.WordExtractor;

　　import org.apache.poi.hssf.usermodel.HSSFWorkbook;

　　import org.apache.poi.hssf.usermodel.HSSFSheet;

　　import org.apache.poi.hssf.usermodel.HSSFRow;

　　import org.apache.poi.hssf.usermodel.HSSFCell;

　　import java.io.File;

　　import java.io.InputStream;

　　import java.io.FileInputStream;

　　import com.search.code.Index;

　　public Document getDocument(Index index, String url, String title, InputStream is) throws DocCenterException {

　　StringBuffer content = new StringBuffer();

　　try{||| 　　HSSFWorkbook workbook = new HSSFWorkbook(is);//创建对Excel工作簿文件的引用

　　for (int numSheets = 0; numSheets < workbook.getNumberOfSheets(); numSheets++) {

　　if (null != workbook.getSheetAt(numSheets)) {

　　HSSFSheet aSheet = workbook.getSheetAt(numSheets);//获得一个sheet

　　for (int rowNumOfSheet = 0; rowNumOfSheet