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

欢迎大家来到IT世界,在知识的湖畔探索吧!

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。

欢迎大家来到IT世界,在知识的湖畔探索吧!

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。）

1.举个栗子

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。

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文件后缀名 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; } } 

欢迎大家来到IT世界,在知识的湖畔探索吧!

2.导入依赖包

欢迎大家来到IT世界,在知识的湖畔探索吧! 
   
    
    
      org.apache.poi 
     
    
      poi 
     
    
      5.0.0 
     
    
    
    
      org.apache.poi 
     
    
      poi-ooxml 
     
    
      5.0.0 
     
    
    
    
      org.apache.pdfbox 
     
    
      pdfbox 
     
    
      2.0.24 
     
    
    
    
      org.apache.tika 
     
    
      tika-core 
     
    
      2.1.0 
     
    
    
    
      com.itextpdf 
     
    
      itextpdf 
     
    
      5.5.13 
     
    
   

1.读取pdf

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：

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. 加载 PDF 文档 File file = new File("path_to_your_pdf_file.pdf"); PDDocument document = PDDocument.load(file); // 2. 创建 PDFTextStripper 对象，并提取文本内容 PDFTextStripper textStripper = new PDFTextStripper(); String content = textStripper.getText(document); // 3. 输出文本内容 System.out.println(content); // 4. 关闭 PDF 文档 document.close(); } catch (IOException e) { e.printStackTrace(); } } } 

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。

2.读取docx

读取 DOCX 文件，可以使用 Apache POI 库。

欢迎大家来到IT世界,在知识的湖畔探索吧!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. 加载 DOCX 文档 File file = new File("path_to_your_docx_file.docx"); InputStream fis = new FileInputStream(file); XWPFDocument document = new XWPFDocument(fis); // 2. 提取文本内容 StringBuilder content = new StringBuilder(); for (XWPFParagraph paragraph : document.getParagraphs()) { content.append(paragraph.getText()); content.append("\n"); } // 3. 输出文本内容 System.out.println(content.toString()); // 4. 关闭 DOCX 文档 document.close(); fis.close(); } catch (IOException e) { e.printStackTrace(); } } } 

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。

XWPFDocument document = new XWPFDocument(fis); // 2. 提取文本内容 XWPFWordExtractor extractor = new XWPFWordExtractor(document); String text = extractor.getText(); 

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。

3.读取doc

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

欢迎大家来到IT世界,在知识的湖畔探索吧!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. 加载 DOC 文档 File file = new File(filePath); FileInputStream fis = new FileInputStream(file); HWPFDocument document = new HWPFDocument(fis); // 2. 提取文本内容 WordExtractor extractor = new WordExtractor(document); String text = extractor.getText(); // 3. 关闭 DOC 文档和提取器 extractor.close(); document.close(); fis.close(); // 4. 返回提取的文本内容 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.读取Excel

1.使用 Apache POI 库读取 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。

欢迎大家来到IT世界,在知识的湖畔探索吧! 
   
   
     com.alibaba 
    
   
     easyexcel 
    
   
     2.4.3 
    
   

读取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"; // 创建 Excel 读取器 ExcelReaderBuilder readerBuilder = EasyExcel.read(filePath); // 注册读取监听器 ReadListener<Object> listener = new YourReadListener(); readerBuilder.registerReadListener(listener); // 执行读取操作 readerBuilder.sheet().doRead(); } } 

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~~~