从文本文件中提取内容的 Java 程序

原文:https://www . geesforgeks . org/Java-program-to-extract-content-from-a-txt-document/

Java 类< file using the Apache Tika library is used.  For document type detection and content extraction from various file formats, it uses various document parsers and document type detection techniques to detect and extract data. It provides a single generic API for parsing different file formats. All these parser libraries are encapsulated in a single interface called the Parser interface. 下载 Tika 最前面。

BodyContentHandler 是一个内置类，它为文本创建一个处理程序，该处理程序编写这些 XHTML 正文字符事件，并将它们存储在内部字符串缓冲区中。它是从 Java 中的父类 ContentHandlerDecorator 继承而来的。可以使用父类提供的方法 ContentHandlerDecorreator . ToString()检索指定的文本。 ParseContext 类是 Java 包 org.apache.tika.parser 的一个组件，用于解析上下文并将其传递给 tika 解析器。 TXTParser 是一个内置包，提供了一个类 TXTParser，解析文本文档的内容。它提取存储在段落、字符串和表格中的文本文档的内容(不调用表格边界)。如果密码被指定为参数，它也可以用来解析加密的文档。

Java 支持多个内置的类和包来提取和访问 PDF 文档中的内容。以下类别用于提取内容:

程序:

  1. 创建内容处理程序。
  2. 在系统的本地目录中创建一个 TXT 文件。
  3. 现在，创建一个文件输入流，其路径与上面创建的 txt 文件相同。
  4. 使用文档的元数据类型对象创建内容解析器。
  5. 现在使用 TXT 解析器类解析文档。
  6. 打印如上创建的 TXT 文件的内容，以说明上述文档中内容的提取。

示例:

Java 语言(一种计算机语言，尤用于创建网站)

// Java Program to Extract Content from a TXT document

// Importing java input/output classes
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
// Importing Apache POI classes
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.txt.TXTParser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;

// Main Class
public class GFG {

    // Main driver method
    public static void main(String[] args) throws Exception
    {

        // Creating a content handler by
        // creating an object of BodyContentHandler class
        BodyContentHandler handler
            = new BodyContentHandler();

        // Creating a file in local directory
        // Create a file input stream
        // on specified path with the created file
        FileInputStream fstream
            = new FileInputStream(new File("C:/test.txt"));

        // Creating an object of type Metadata to use
        Metadata metadata = new Metadata();

        // Create a context parser for the text document by
        // creating an object of ParseContext class
        ParseContext pcontext = new ParseContext();

        // Noe, text document can be parsed
        // using the TXTparser class
        TXTParser TexTParser = new TXTParser();

        // Method parse invoked on TXTParser class
        TexTParser.parse(fstream, handler, metadata,
                         pcontext);

        // Print and display the extracted content from TXT
        // file
        System.out.println("Extracting contents :"
                           + contenthandler.toString());
    }
}

输出:作为文件返回，如下所示:

版权属于：月萌API www.moonapi.com，转载请注明出处

本文链接：https://www.moonapi.com/news/22717.html