开源Java文本分析器

Question

是否有单个 Java文本解析器，可用于解析Office（Windows）文档，OpenOffice文档和PDF？另外，我需要使用Apache POI for Word文档和OpenOffice和PDF的其他库吗？如果是这样，OpenOffice和PDF的最佳选择是什么？

Answer 1

如果任务正在阅读PDF文档，iText是您最好的选择。 对于基于Microsoft Office和OpenOffice（LibreOffice）的文档，POI将是我的解决方案。

Answer 2

Apache Tika：

  

Apache Tika™工具包检测和   提取元数据和结构化文本   来自各种文件的内容   现有的解析器库。

不确定这是否符合您的“单一”目的。