如何從doc或pdf文件中讀取特定頁面。

Question

我有一些.doc和.pdf文件的文件，我的要求是從我將在運行時提供的.doc或.pdf文件中讀取一個特定的頁面。這可以通過逐頁閱讀和在每頁的結尾，如果我編號。但一些我得到一些文件編號是不是他們的，所以我怎麼能做到這一點？

是他們的任何API或任何其他邏輯，以便我可以解決這個問題？

你好全部 我有.DOC文件，但我不應該讀取整個文件，而是我給了一個頁碼。 因此我只能從doc文件中讀取特定頁面。 我正在使用apache.poi api。

 file = new File("c://doc/assignment/afternoon_24.doc"); 
    FileInputStream fis=new FileInputStream(file.getAbsolutePath()); 

我需要讀取此文件的第X頁並寫入文本文件？

Answer 1

我想這是一個誤解：你不能簡單地將DOC（或PDF）作爲InputStream讀取並跳過頁面（除非你知道並評估fileformat）。 這兩個文件都有一個格式（將格式和元信息編碼爲一些二進制格式）。只要嘗試在記事本或其他純文本編輯器中打開PDF。你會看到它。

正如mkl建議：要訪問DOC（或PDF）的內容，您需要一個可以處理該文件格式的庫。例如，對於Microsoft Office格式，開放源代碼庫Apache POI，對於PDF，例如有PDF box等等，以及a full thread about it。每種具有不同功能和許可模式的格式都有不同的庫。