java 提取word,pdf里面的文字内容

Java可以使用Apache POI和PDFBox这两个开源库来提取Word和PDF文档中的文字内容。

1. 使用Apache POI提取Word文档中的文字内容

Apache POI是一个用于操作Microsoft Office格式文件的Java API。它可以用于读取、写入和操作Word、Excel和PowerPoint等文件。下面是使用Apache POI提取Word文档中的文字内容的示例代码：

import java.io.FileInputStream;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;

public class WordExtractorExample {
    public static void main(String[] args) throws Exception {
        String filePath = "example.docx";
        FileInputStream fis = new FileInputStream(filePath);
        XWPFDocument document = new XWPFDocument(fis);
        XWPFWordExtractor extractor = new XWPFWordExtractor(document);
        String text = extractor.getText();
        System.out.println(text);
        fis.close();
    }
}

2. 使用PDFBox提取PDF文档中的文字内容

PDFBox是一个开源的Java库，用于处理PDF文档。它可以用于创建、修改和提取PDF文档中的内容。下面是使用PDFBox提取PDF文档中的文字内容的示例代码：

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class PdfExtractorExample {
    public static void main(String[] args) throws IOException {
        String filePath = "example.pdf";
        File file = new File(filePath);
        PDDocument document = PDDocument.load(file);
        PDFTextStripper stripper = new PDFTextStripper();
        String text = stripper.getText(document);
        System.out.println(text);
        document.close();
    }
}

以上就是使用Java提取Word和PDF文档中的文字内容的示例代码。