如何从doc或pdf文件中读取特定页面。

Question

我有一些.doc和.pdf文件的文件，我的要求是从我将在运行时提供的.doc或.pdf文件中读取一个特定的页面。这可以通过逐页阅读和在每页的结尾，如果我编号。但一些我得到一些文件编号是不是他们的，所以我怎么能做到这一点？

是他们的任何API或任何其他逻辑，以便我可以解决这个问题？

你好全部 我有.DOC文件，但我不应该读取整个文件，而是我给了一个页码。 因此我只能从doc文件中读取特定页面。 我正在使用apache.poi api。

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

我需要读取此文件的第X页并写入文本文件？

Answer 1

我想这是一个误解：你不能简单地将DOC（或PDF）作为InputStream读取并跳过页面（除非你知道并评估fileformat）。 这两个文件都有一个格式（将格式和元信息编码为一些二进制格式）。只要尝试在记事本或其他纯文本编辑器中打开PDF。你会看到它。

正如mkl建议：要访问DOC（或PDF）的内容，您需要一个可以处理该文件格式的库。例如，对于Microsoft Office格式，开放源代码库Apache POI，对于PDF，例如有PDF box等等，以及a full thread about it。每种具有不同功能和许可模式的格式都有不同的库。