Java RTF Parser

Question

有没有人知道我可以在Java中使用的健壮的RTF解析器？我需要提取纯文本，包括国际文本。提取嵌入的图像和文件也很不错。它也可以是我可以轻松调用的C ++或其他库，或者如果有良好的源代码，我可以转换为Java。

以下库未涵盖足够的RTF，或无法解析某些有效的RTF

1. Java Swing的RTFEditorKit，相当基本和脆弱 Apache Tikka，nutch和许多其他工具都使用它。
2. iText的一个RTF库（com.lowagie.etc ...），不太全面
3. etranslate rtf库（这是java中最完整的） 不确定是否有更新的版本，但我的部分rtf集合上的版本失败（RTF有效，至少它们在MsWord和OpenOffice中打开）。

有一个相当完整的C＃库，但唉...它是C＃而不是Java。 http://www.codeproject.com/Articles/27431/Writing-Your-Own-RTF-Converter

我也研究过OpenOffice，它对于我需要的东西来说太慢了，虽然它可能非常全面。

（在发布这个问题之前，我确实进行了网页搜索和堆栈溢出搜索，所以如果你指的是一个古老的“已经问过”的帖子，那么它可能没有答案。但请随意指出，万一我错过了！）

Answer 1

您可能会发现RTF Parser Kit有用。它提供了一个基于流的解析器，可在解析文档时为您提供事件。提供了一个简单的示例文本提取器，演示了如何使用API​​。

Answer 2

如果你的项目是非商业性的，那么有一个很好的免费Java rtf到xml库 here ，在我看来比etranslate更好，你可以从那里处理xml。但是，如果您将其用于商业目的，则必须与开发它的公司rtf-to-xml.com安排许可。

然而，在遇到类似情况之前，在找到rtf-to-xml之前，当我需要在linux服务器上解析ms rtf时，我发现了一个有趣的解决这个问题的方法。有一个免费的富文本处理器，它也是一个库 called Ted 它从命令行获取带有用户界面的参数，并且可以包装在JNI调用中。

我希望这会有所帮助。