Question

我可以从内容类型为text/plain的文件中获取内容，但不能获取内容类型为application/msword和application/pdf的内容。

有没有办法获取内容并正确阅读？以下是与内容类型完美配合的代码：text/plain

HttpResponse resp = service.getRequestFactory()
                  .buildGetRequest(new GenericUrl(file.getDownloadUrl())).execute();

BufferedReader output = new BufferedReader(new InputStreamReader(resp.getContent()));
System.out.println("Shorten Response: ");
for (String line = output.readLine(); line != null; line = output.readLine()) {
    System.out.println(line);
}

Answer 1

我使用了tika解析器，在我的情况下它的工作。 Plz检查代码片段： -

            HttpResponse resp = service.getRequestFactory().
            buildGetRequest(new GenericUrl(file.getDownloadUrl())).execute();

            Detector detector = new DefaultDetector();
            Parser parser = new AutoDetectParser(detector);
            Metadata metadata = new Metadata();
            InputStream input = TikaInputStream.get(resp.getContent());
            ContentHandler handler2 = new BodyContentHandler(
                    Integer.MAX_VALUE);
            parser.parse(input, handler2, metadata, new ParseContext());
            String text = handler2.toString();

我使用了tika-app-1.3.jar。它使用.pdf，.doc .docx，.text等文件。谢谢大家的回复。

Answer 2

我认为PDF和MSWORD格式都是二进制流，因此不能逐行阅读。尝试将它们读入byte []缓冲区。

com.google.api.services.drive.Drive svc;
InputStream is = svc.getRequestFactory()
.buildGetRequest(new GenericUrl("xxx")).execute().getContent();

public byte[] strm2Bytes(InputStream is) {
    ByteArrayOutputStream byteBuffer = new ByteArrayOutputStream();
    byte[] buffer = new byte[2048];
    BufferedInputStream bufIS = null;
    if (is != null) try {
      bufIS = new BufferedInputStream(is);
      int cnt = 0;
      while ((cnt = bufIS.read(buffer)) >= 0) {
        byteBuffer.write(buffer, 0, cnt);
      }
    } catch (Exception e) {}
    finally { try { if (bufIS != null) bufIS.close(); } catch (IOException e) {}} 
    return byteBuffer.toByteArray();
  }

但是你得到一个原始文件字节，我真的不知道你想用它做什么。兑换？显示？通常，这些字节缓冲区可以传递给解码器＆＃39; （word阅读器，pdf阅读器，jpeg解码器，....）。但同样，这些读/解码器通常直接接受InputStream，因此不需要对它们进行字节缓冲。

如何阅读内容类型application / msword和application / pdf等的Google云端硬盘doc内容？

2 个答案: