关于lucene处理word、excel、ppt、txt、pdf等格式文件

关于lucene处理word、excel、ppt、txt、pdf等格式文件的代码如下： 

Java代码  

1. public class ReadFile {  
2.       
3.     /** 
4.      * 处理word2003 
5.      * @param path 
6.      * @return 
7.      * @throws Exception 
8.      */  
9.     public static String readWord(String path) throws Exception {  
10.         String bodyText = null;  
11.         InputStream inputStream = new FileInputStream(path);  
12.         WordExtractor extractor = new WordExtractor(inputStream);    
13.         bodyText = extractor.getText();  
14.         return bodyText;  
15.     }  
16.       
17.     /** 
18.      * 处理word2007 
19.      * @param path 
20.      * @return 
21.      * @throws IOException 
22.      * @throws OpenXML4JException 
23.      * @throws XmlException 
24.      */  
25.     public static String readWord2007(String path) throws IOException, OpenXML4JException, XmlException {  
26.         OPCPackage opcPackage = POIXMLDocument.openPackage(path);  
27.         POIXMLTextExtractor ex = new XWPFWordExtractor(opcPackage);  
28.         return ex.getText();  
29.     }  
30.     /** 
31.      * 处理excel2003 
32.      * @param path 
33.      * @return 
34.      * @throws IOException 
35.      */  
36.     public static String ReadExcel(String path) throws IOException {  
37.         InputStream inputStream = null;  
38.         String content = null;  
39.         try {  
40.             inputStream = new FileInputStream(path);  
41.             HSSFWorkbook wb = new HSSFWorkbook(inputStream);  
42.             ExcelExtractor extractor = new ExcelExtractor(wb);  
43.             extractor.setFormulasNotResults(true);  
44.             extractor.setIncludeSheetNames(false);  
45.             content = extractor.getText();  
46.         } catch (FileNotFoundException e) {  
47.             e.printStackTrace();  
48.         }  
49.         return content;  
50.     }  
51.     /** 
52.      * 处理excel2007 
53.      * @param path 
54.      * @return 
55.      * @throws IOException 
56.      */  
57.     public static String readExcel2007(String path) throws IOException {  
58.         StringBuffer content = new StringBuffer();  
59.         // 构造 XSSFWorkbook 对象，strPath 传入文件路径  
60.         XSSFWorkbook xwb = new XSSFWorkbook(path);  
61.         // 循环工作表Sheet  
62.         for (int numSheet = 0; numSheet < xwb.getNumberOfSheets(); numSheet++) {  
63.             XSSFSheet xSheet = xwb.getSheetAt(numSheet);  
64.             if (xSheet == null) {  
65.                 continue;  
66.             }  
67.             // 循环行Row  
68.             for (int rowNum = 0; rowNum <= xSheet.getLastRowNum(); rowNum++) {  
69.                 XSSFRow xRow = xSheet.getRow(rowNum);  
70.                 if (xRow == null) {  
71.                     continue;  
72.                 }  
73.                 // 循环列Cell  
74.                 for (int cellNum = 0; cellNum <= xRow.getLastCellNum(); cellNum++) {  
75.                     XSSFCell xCell = xRow.getCell(cellNum);  
76.                     if (xCell == null) {  
77.                         continue;  
78.                     }  
79.                     if (xCell.getCellType() == XSSFCell.CELL_TYPE_BOOLEAN) {  
80.                         content.append(xCell.getBooleanCellValue());  
81.                     } else if (xCell.getCellType() == XSSFCell.CELL_TYPE_NUMERIC) {  
82.                         content.append(xCell.getNumericCellValue());  
83.                     } else {  
84.                         content.append(xCell.getStringCellValue());  
85.                     }  
86.                 }  
87.             }  
88.         }  
89.   
90.         return content.toString();  
91.     }  
92.     /** 
93.      * 处理ppt 
94.      * @param path 
95.      * @return 
96.      */  
97.     public static String readPowerPoint(String path) {  
98.         StringBuffer content = new StringBuffer("");  
99.         InputStream inputStream = null;  
100.         try {  
101.             inputStream = new FileInputStream(path);  
102.             SlideShow ss = new SlideShow(new HSLFSlideShow(new FileInputStream(path)));// is  
103.             // 为文件的InputStream，建立SlideShow  
104.             Slide[] slides = ss.getSlides();// 获得每一张幻灯片  
105.             for (int i = 0; i < slides.length; i++) {  
106.                 TextRun[] t = slides[i].getTextRuns();// 为了取得幻灯片的文字内容，建立TextRun  
107.                 for (int j = 0; j < t.length; j++) {  
108.                     content.append(t[j].getText());// 这里会将文字内容加到content中去  
109.                 }  
110.             }  
111.         } catch (Exception ex) {  
112.             System.out.println(ex.toString());  
113.         }  
114.         return content.toString();  
115.     }  
116.     /** 
117.      * 处理pdf 
118.      * @param path 
119.      * @return 
120.      * @throws IOException 
121.      */  
122.     public static String readPdf(String path) throws IOException {  
123.         StringBuffer content = new StringBuffer("");// 文档内容  
124.         PDDocument pdfDocument = null;  
125.         try {  
126.             FileInputStream fis = new FileInputStream(path);  
127.             PDFTextStripper stripper = new PDFTextStripper();  
128.             pdfDocument = PDDocument.load(fis);  
129.             StringWriter writer = new StringWriter();  
130.             stripper.writeText(pdfDocument, writer);  
131.             content.append(writer.getBuffer().toString());  
132.             fis.close();  
133.         } catch (java.io.IOException e) {  
134.             System.err.println("IOException=" + e);  
135.             System.exit(1);  
136.         } finally {  
137.             if (pdfDocument != null) {  
138.                 org.pdfbox.cos.COSDocument cos = pdfDocument.getDocument();  
139.                 cos.close();  
140.                 pdfDocument.close();  
141.             }  
142.         }  
143.           
144.         return content.toString();  
145.   
146.     }  
147.     /** 
148.      * 处理txt 
149.      * @param path 
150.      * @return 
151.      * @throws IOException 
152.      */  
153.     public static String readTxt(String path) throws IOException {  
154.         StringBuffer sb = new StringBuffer("");  
155.         InputStream is = new FileInputStream(path);  
156.         // 必须设置成GBK，否则将出现乱码  
157.         BufferedReader reader = new BufferedReader(new InputStreamReader(is, "GBK"));  
158.         try {  
159.             String line = "";  
160.             while ((line = reader.readLine()) != null) {  
161.                 sb.append(line + "\r");  
162.             }  
163.         } catch (FileNotFoundException e) {  
164.             e.printStackTrace();  
165.         }  
166.         return sb.toString().trim();  
167.     }  
168.       
169. }  

使用jar包如下：