如何使用java從文字文件中提取內容?

2019-10-16 22:25:48

在Java程式設計中,如何使用java從文字文件中提取內容?

專案的目錄結構如下 -

Tika的工具包可從以下網址下載:http://tika.apache.org/download.html ,只下載:tika-app-1.16.jartika-server-1.16.jar

以下是使用java從文字文件中提取內容的程式 -

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.sax.BodyContentHandler;
import org.apache.tika.parser.txt.TXTParser;
import org.xml.sax.SAXException;

public class ExtractContentFromTextDoc {
    public static void main(String[] args) throws Exception {

        // detecting the file type
        BodyContentHandler handler = new BodyContentHandler();

        Metadata metadata = new Metadata();
        FileInputStream inputstream = new FileInputStream(new File("textExample.txt"));
        ParseContext pcontext = new ParseContext();

        // Text document parser
        TXTParser TexTParser = new TXTParser();

        TexTParser.parse(inputstream, handler, metadata, pcontext);
        System.out.println("Contents of the document:" + handler.toString());
        System.out.println("Metadata of the document:");
        String[] metadataNames = metadata.names();

        for (String name : metadataNames) {
            System.out.println(name + " : " + metadata.get(name));
        }
    }
}

原ODF檔案:textExample.txt 的內容如下 -

執行上面範例程式碼,得到以下結果 -

Contents of the document:易百教學定位為IT技術入門學習範例教學網站
易百教學是完全免費的
易百教學是非盈利性的
易百教學一直在升級和更新
全球最大的中文 IT 技術入門學習範例教學資源
易百教學是因特網上最大的 IT技術學習和開發者資源,其中包括全面的教學、完善的參考手冊以及龐大的程式碼庫。
易百教學每月接受成千上萬的使用者存取,並產生幾十萬以上的頁面瀏覽量。


Metadata of the document:
Content-Encoding : GB18030
Content-Type : text/plain; charset=GB18030