كلمة:
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.poi.hwpf.extractor.WordExtractor;
استيراد java.io.File؛
استيراد java.io.InputStream؛
استيراد java.io.FileInputStream؛
import com.search.code.Index;
المستند العام getDocument (فهرس الفهرس، عنوان URL للسلسلة، عنوان السلسلة، InputStream is) يطرح DocCenterException {
String bodyText = null;
يحاول {
WordExtractor ex = new WordExtractor(is);//يتم استخدام WORD في InputStream
bodyText = ex.getText();
إذا (!bodyText.equals("")){
Index.AddIndex(url, title, bodyText);
}
}قبض (DocCenterException ه) {
throw new DocCenterException("无法从该Mocriosoft Word، e);
}قبض(استثناء ه){
printStackTrace();
}
}
عودة فارغة؛
}
اكسل:
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;
استيراد java.io.File؛
استيراد java.io.InputStream؛
استيراد java.io.FileInputStream؛
import com.search.code.Index;
المستند العام getDocument (فهرس الفهرس، عنوان URL للسلسلة، عنوان السلسلة، InputStream is) يطرح DocCenterException {
محتوى StringBuffer = new StringBuffer();
يحاول{
مصنف HSSFWorkbook = جديد HSSFWorkbook(is);//الحصول على Excel في Excel
for (int numSheets = 0; numSheets < Workbook.getNumberOfSheets(); numSheets++) {
إذا (خالية! = Workbook.getSheetAt(numSheets)) {
HSSFSheet aSheet = Workbook.getSheetAt(numSheets);//الحصول على الورقة
for (introwNumOfSheet = 0;rowNumOfSheet <= aSheet.getLastRowNum();rowNumOfSheet++) {
إذا (خالية! = aSheet.getRow(rowNumOfSheet)) {
HSSFRow aRow = aSheet.getRow(rowNumOfSheet); //获得一个行
for (cellNumOfRow = 0; cellNumOfRow <= aRow.getLastCellNum(); cellNumOfRow++) {
إذا (null != aRow.getCell(cellNumOfRow)) {
HSSFCell aCell = aRow.getCell(cellNumOfRow);//الحصول على رقم الخلية
content.append(aCell.getStringCellValue());
}
}
}
}
}
}
إذا(!content.equals("")){
Index.AddIndex(url, title, content.toString());
}
}قبض (DocCenterException ه) {
throw new DocCenterException("无法从该Mocriosoft Word، e);
}قبض (استثناء ه) {
System.out.println("مراجعة xlRead() : " + e );
}
عودة فارغة؛
}
عرض تقديمي:
استيراد java.io.InputStream؛
import org.apache.lucene.document.Document;
import org.apache.poi.hslf.HSLFSlideShow;
import org.apache.poi.hslf.model.TextRun;
import org.apache.poi.hslf.model.Slide;
import org.apache.poi.hslf.usermodel.SlideShow;
getDocument للمستند العام (فهرس الفهرس، عنوان url للسلسلة، عنوان السلسلة، InputStream هو)
يرمي DocCenterException {
محتوى StringBuffer = new StringBuffer("");
يحاول{
SlideShow ss = new SlideShow(new HSLFSlideShow(is));// يتم استخدام InputStream، ويتم عرض الشرائح
الشريحة [] الشرائح = ss.getSlides ()؛
for(int i=0;i<slides.length;i++){
TextRun[] t = Slides[i].getTextRuns();// قم بتشغيل النص في TextRun
for(int j=0;j<t.length;j++){
content.append(t[j].getText());// قم بتحديد محتوى المحتوى
}
content.append(slides[i].getTitle());
}
Index.AddIndex(url, title, content.toString());
}قبض(استثناء على سبيل المثال){
System.out.println(ex.toString());
}
عودة فارغة؛
}
قوات الدفاع الشعبي:
استيراد java.io.InputStream؛
import java.io.IOException;
import org.apache.lucene.document.Document;
import org.pdfbox.cos.COSDocument;
import org.pdfbox.pdfparser.PDFparser;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.pdmodel.PDDocumentInformation;
import org.pdfbox.util.PDFTextStripper;
استيراد com.search.code.Index؛
getDocument للمستند العام (فهرس الفهرس، عنوان URL للسلسلة، عنوان السلسلة، InputStream is) يلقي DocCenterException {
COSDocument cosDoc = null;
يحاول {
cosDoc = parseDocument(is);
} قبض (IOException ه) {
CloseCOSDocument(cosDoc);
throw new DocCenterException("无法处理该PDF文档", e);
}
إذا (cosDoc.isEncrypted()) {
إذا (cosDoc ! = فارغة)
CloseCOSDocument(cosDoc);
throw new DocCenterException("اكتب PDF文档是加密文档,无法处理");
}
String docText = null;
يحاول {
PDFTextStripper stripper = new PDFTextStripper();
docText = stripper.getText(new PDDocument(cosDoc));
} قبض (IOException ه) {
CloseCOSDocument(cosDoc);
throw new DocCenterException("无法处理该PDF文档", e);
}
PDDocument pdDoc = null;
يحاول {
pdDoc = new PDDocument(cosDoc);
PDDocumentInformation docInfo = pdDoc.getDocumentInformation();
if(docInfo.getTitle()!=null && !docInfo.getTitle().equals("")){
title = docInfo.getTitle();
}
} قبض (الاستثناء ه) {
CloseCOSDocument(cosDoc);
ClosePDDocument(pdDoc);
System.err.println("طلب نسخة من ملف PDF" + e.getMessage());
} أخيراً {
CloseCOSDocument(cosDoc);
ClosePDDocument(pdDoc);
}
عودة فارغة؛
}
COSDocument ثابت خاص parseDocument(InputStream is) يلقي IOException {
PDFParser parser = new PDFParser(is);
parser.parse();
إرجاع parser.getDocument();
}
إغلاق الفراغ الخاص (COSDocument cosDoc) {
إذا (cosDoc ! = فارغة) {
يحاول {
cosDoc.Close();
} قبض (IOException ه) {
}
}
}
إغلاق الفراغ الخاص (PDDocument pdDoc) {
إذا (pdDoc! = فارغ) {
يحاول {
pdDoc.إغلاق();
} قبض (IOException ه) {
}
}
}
قم بقراءة المزيد، قم بتنزيل PDFBOX 0.7.3، POI 3.0-rc4، PDFBOX 0.7.3
النقاط المهمة: http://jakarta.apache.org/poi/index.html
PDFBOX: http://www.pdfbox.org/