如何从 doc 或 pdf 文件中读取特定页面。答案

【问题标题】：how Read a particular Page from a doc or pdf file.如何从 doc 或 pdf 文件中读取特定页面。
【发布时间】：2014-04-25 12:13:30
【问题描述】：

我有一些 .doc 和 .pdf 文件的文档，我的要求是从我将在运行时提供的 .doc 或 .pdf 文件中读取特定页面。这可以通过逐页阅读和如果我进行编号，则在每页的末尾。但是有些我得到一些文件，其中编号不是他们的，所以我该怎么做？

他们有任何 api 或任何其他逻辑，以便我可以解决这个问题吗？

大家好我有 .DOC 文件，但我不应该阅读整个文件，而是给我一个页码。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 页并写入文本文件吗？

【问题讨论】：

关于 pdf 文件：有多个 PDF 库，其中许多允许从单个页面提取文本。有什么额外的要求吗？许可证？预算？已在使用的库？
@mkl 在我们的项目中，阅读 pdf 是次要要求如何文档

标签： java pdf file-io

【解决方案1】：

我想有一个误解：您不能将 DOC（或 PDF）简单地作为输入流来阅读并跳过页面（除非您知道并评估文件格式）。这两个文件都有一个格式（将格式和元信息编码成一些二进制格式）。只需尝试在记事本或其他纯文本编辑器中打开 PDF。你会看到的。

正如 mkl 建议的那样：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。对于 Microsoft Office 格式，例如开源库 Apache POI，对于 PDF，例如 PDF box 和 a full thread about it。每种格式都有不同的库，具有不同的功能和许可模型。

【讨论】：