急求：有人实现过纯文本抽取功能吗？？

请教：实现一个功能，即将.doc/.pdf格式的文本转换为.txt格式，重要的是对于.doc/.pdf中嵌入的对象，如visio图表也能正确解析出来。

解决方案 »

  1.   

    这个好像不是Java程序设计能解决的问题哦，你必须有word和pdf文件的读取和分析工具。
      

  2.   

    我只做过pdf的抽取，http://www.open-open.com/34.htm  有很多开源项目可以实现doc，visio的话可以用 http://sourceforge.net/projects/jcom/  试试看(这个我没用过)
      

  3.   

    pdf有专门插件可以用；office系列也有可用的插件