Java如何读取文档

在Java中读取文档是常见的文件操作任务，涵盖文本文件（如TXT、CSV）、二进制文件（如图片）及结构化文档（如PDF、Word），以下是详细方法及最佳实践,符合Java标准API和行业规范：

读取文本文件（TXT、CSV等）

使用 java.nio.file.Files（推荐，Java 7+）

import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;
public class ReadTextFile {
    public static void main(String[] args) {
        try {
            // 读取整个文件为字符串
            String content = Files.readString(Paths.get("example.txt"));
            System.out.println(content);
            // 按行读取为列表
            List<String> lines = Files.readAllLines(Paths.get("data.csv"));
            lines.forEach(System.out::println);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

优势：代码简洁，自动处理编码（默认UTF-8）,适合中小文件。

使用 BufferedReader（大文件流式读取）

import java.io.BufferedReader;
import java.io.FileReader;
public class ReadLargeFile {
    public static void main(String[] args) {
        try (BufferedReader br = new BufferedReader(new FileReader("large.log"))) {
            String line;
            while ((line = br.readLine()) != null) {
                System.out.println(line); // 逐行处理
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

优势：内存高效,适用于GB级文件。

读取二进制文件（图片、视频等）

import java.nio.file.Files;
import java.nio.file.Paths;
public class ReadBinaryFile {
    public static void main(String[] args) {
        try {
            byte[] bytes = Files.readAllBytes(Paths.get("image.png"));
            // 字节数据可用于写入新文件或网络传输
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

注意：大文件建议用 BufferedInputStream 分块读取。

读取结构化文档（PDF、Word、Excel）

需借助第三方库,确保Maven依赖：

PDF文档（Apache PDFBox）

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.27</version>
</dependency>

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
public class ReadPDF {
    public static void main(String[] args) {
        try (PDDocument doc = PDDocument.load(Paths.get("doc.pdf").toFile())) {
            PDFTextStripper stripper = new PDFTextStripper();
            String text = stripper.getText(doc);
            System.out.println(text);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

Word文档（Apache POI）

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>5.2.3</version>
</dependency>

import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
public class ReadWord {
    public static void main(String[] args) {
        try (XWPFDocument doc = new XWPFDocument(Files.newInputStream(Paths.get("report.docx")));
             XWPFWordExtractor extractor = new XWPFWordExtractor(doc)) {
            System.out.println(extractor.getText());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

Excel文件（Apache POI）

import org.apache.poi.ss.usermodel.*;
public class ReadExcel {
    public static void main(String[] args) {
        try (Workbook workbook = WorkbookFactory.create(Files.newInputStream(Paths.get("data.xlsx")))) {
            Sheet sheet = workbook.getSheetAt(0);
            for (Row row : sheet) {
                for (Cell cell : row) {
                    System.out.print(cell.toString() + "t");
                }
                System.out.println();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

关键注意事项

1. 异常处理：
   必须捕获 IOException，使用 try-with-resources（如上例）自动关闭资源,避免内存泄漏。

2. 文件编码：
   文本文件需明确字符集（如GBK）：

   BufferedReader br = new BufferedReader(
       new InputStreamReader(new FileInputStream("file.txt"), StandardCharsets.GBK)
   );

3. 性能优化：

   • 大文本文件：用 BufferedReader 缓冲流。
   • 大二进制文件：用 BufferedInputStream 分块读取。

4. 路径安全：
   使用 Paths.get() 或 new File() 时,验证文件是否存在：

   Path path = Paths.get("user_input.txt");
   if (Files.exists(path)) {
       // 读取操作
   }

• 文本/二进制文件：优先选 java.nio.file.Files（简单场景）或缓冲流（大文件）。
• 结构化文档：用成熟第三方库（如PDFBox、Apache POI）。
• 健壮性：始终处理异常、指定编码、关闭资源。

引用说明：

• Oracle官方文件教程：Java NIO Files
• Apache PDFBox官网：PDFBox | Apache
• Apache POI官网：POI | Apache
• 编码处理参考：Java Charset类