開源的Java文本解析器

是否有single Java文本解析器可以用來解析Office（windows）文檔，OpenOffice文檔和PDF嗎？否則，我是否需要使用Apache POI for Word文檔和其他OpenOffice和PDF庫？如果是的話，OpenOffice和PDFs的最佳選擇是什麼？開源的Java文本解析器

來源

2011-06-22 Izza

Apache Tika：

阿帕奇提卡™工具包檢測和提取元數據和結構化文本使用現有的解析器庫的各種文件內容。

不確定這是否符合您的目的「單一」。

來源

2011-06-22 22:00:25 JasonPlutext

提取元數據是什麼意思？這與從文檔中提取文本主體相同嗎？除此之外，這看起來很好。 – Izza

+1。我用它。這似乎很適合做這項工作。稍有不足的是，因爲它使用了很多現有的庫，所以需要一堆罐子。 – Izza

如果任務正在閱讀PDF文檔，iText是您最好的選擇。對於基於Microsoft Office和OpenOffice（LibreOffice）的文檔，POI將是我的解決方案。

來源

2011-06-22 18:03:24

但iText不是免費的嗎？ – Izza

它的免費條款，你應該釋放使用itex api的應用程序的來源。從網站上跳過...... 「只要您開發涉及iText軟件的商業活動，就不用公開您的應用程序的源代碼，就必須購買此類許可證。」 http://itextpdf.com/terms-of -use/index.php –

POI無法讀取基於OpenOffice（LibreOffice）的文檔AFAIK。 PDF Box是可以閱讀PDF文檔的Apache替代方案。 – JasonPlutext

開源的Java文本解析器

回答

相關問題