上传doc,pdf,ppt,png,jpg,html文件并解析内容

依赖:

        <dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>4.0.0</version></dependency><dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>4.0.0</version></dependency><dependency><groupId>org.apache.poi</groupId><artifactId>poi-scratchpad</artifactId><version>4.0.0</version></dependency><dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.12</version></dependency>

controller:

@DataLog(operationName = "批量新增人才", operationDesc = "上传文件", methodType = MethodTypeEnum.ADD_TYPE)@ApiOperation(value = "批量新增人才", notes = "批量新增人才")@PostMapping(Urls.RecA01.uploadFileAddA01)@ApiImplicitParams({@ApiImplicitParam(name = "state", value = "人才库类型", required = true)})public JsonObject<Object> uploadFileAddA01(@RequestParam(value = "file") MultipartFile[] file, String state, HttpServletRequest request) throws IOException {String result = "";Map<String, String> param = new HashMap<>();param.put("state", state);userDir = fileConfigProperties.getResources();// 存放文件目录//TODO 此处获取了配置文件信息的值  需在配置文件新增属性String folderSources = userDir + File.separator + "temp" + File.separator + "rckfile";// 设置日期为文件夹名称SimpleDateFormat df = new SimpleDateFormat("yyyyMMddHHmmss");String folderName = df.format(new Date()).toString();String folderPath = folderSources + File.separator + folderName;File rmbFile = new File(folderPath);// 文件夹如果不存在就创建该文件夹if (!rmbFile.exists()) {rmbFile.mkdirs();}for (int i = 0; file != null && i < file.length; i++) {// 获得文件名：String name = file[i].getOriginalFilename();// 获得文件名,不带后缀String filename = name.substring(0, name.lastIndexOf('.'));// 获得输入流：InputStream streamList = file[i].getInputStream();File newPhotoFile = new File(folderPath + File.separator + name);OutputStream out = new FileOutputStream(newPhotoFile);// 保存文件boolean writeFlag = this.write(streamList, out);if (writeFlag) {out.flush();out.close();}}// 处理文件夹中文件数据result = recA01Service.uploadFileAddA01(folderPath, param, request);return new JsonSuccessObject<>(result);}public boolean write(InputStream in, OutputStream out) {boolean flag = true;int BUFSIZE = 65536;int s;try {byte[] buf = new byte[BUFSIZE];while ((s = in.read(buf)) > -1) {out.write(buf, 0, s);}} catch (IOException e) {flag = false;e.printStackTrace();logger.error("异常信息：" + e.getMessage());}return flag;}

impl:

@Value("${ocrServe.url}")private String ocrUrl;public String getocrUrl() {return ocrUrl;}@Overridepublic String uploadFileAddA01(String path, Map<String, String> param, HttpServletRequest request) throws IOException {// 获取文件夹下文件File file = new File(path);File[] files = file.listFiles();// 循环处理文件for (File f : files) {//文件名称String fileName = f.getName();//文件类型String suffix = fileName.substring(fileName.lastIndexOf('.') + 1);//人才库类型String state = param.get("state");String text = "";// 解析简历if (("doc").equals(suffix) || ("docx").equals(suffix)) {try {if (("doc").equals(suffix)) {// 根据文件流获得文档对象InputStream is = new FileInputStream(f);WordExtractor re = new WordExtractor(is);text = re.getText();re.close();} else if (("docx").equals(suffix)) {OPCPackage opcPackage = POIXMLDocument.openPackage(f.getPath());POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);text = extractor.getText();extractor.close();}} catch (Exception e1) {e1.printStackTrace();}} else if (("pdf").equals(suffix)) {PDDocument document = null;try {document = PDDocument.load(f);int pageSize = document.getNumberOfPages();// 一页一页读取for (int i = 0; i < pageSize; i++) {// 文本内容PDFTextStripper stripper = new PDFTextStripper();// 设置按顺序输出stripper.setSortByPosition(true);stripper.setStartPage(i + 1);stripper.setEndPage(i + 1);text = text + stripper.getText(document);}} catch (IOException e) {} finally {document.close();}} else if (("htm").equals(suffix) || ("html").equals(suffix)) {// 获取HTML文件流StringBuffer htmlSb = new StringBuffer();try {BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(f), "utf-8"));while (br.ready()) {htmlSb.append(br.readLine());}br.close();} catch (FileNotFoundException e) {e.printStackTrace();}// HTML文件字符串text = htmlSb.toString();} else if (("png").equals(suffix) || ("jpg").equals(suffix) || ("jpeg").equals(suffix)) {// post请求 http://192.168.4.188:8869/paddle_ocrHttpClient client = new HttpClient();PostMethod postMethod = new PostMethod(getocrUrl());try {// FilePart：用来上传文件的类,file即要上传的文件FilePart fp = new FilePart("file", f);Part[] parts = {fp};// 对于MIME类型的请求，httpclient建议全用MulitPartRequestEntity进行包装MultipartRequestEntity mre = new MultipartRequestEntity(parts, postMethod.getParams());postMethod.setRequestEntity(mre);// 由于要上传的文件可能比较大 , 因此在此设置最大的连接超时时间client.getHttpConnectionManager().getParams().setConnectionTimeout(50000);int status = client.executeMethod(postMethod);if (status == HttpStatus.SC_OK) {// 获取返回数据InputStream inputStream = postMethod.getResponseBodyAsStream();BufferedReader br = new BufferedReader(new InputStreamReader(inputStream));//<1>创建字节数组输出流，用来输出读取到的内容ByteArrayOutputStream baos = new ByteArrayOutputStream();//<2>创建缓存大小byte[] buffer = new byte[1024]; // 1KB//每次读取到内容的长度int len = -1;//<3>开始读取输入流中的内容while ((len = inputStream.read(buffer)) != -1) { //当等于-1说明没有数据可以读取了baos.write(buffer, 0, len);   //把读取到的内容写到输出流中}//<4> 把字节数组转换为字符串String json = baos.toString();// 获取"text": "女，17302731183", "text_region":中间的信息String regEx = "(\"text\": \")(.*?)(\", \"text_region\")";Pattern p = Pattern.compile(regEx);Matcher m = p.matcher(json);while (m.find()) {text = text + m.group(2);}}} catch (Exception e) {e.printStackTrace();} finally {// 释放连接postMethod.releaseConnection();}} else if (("ppt").equals(suffix) || ("pptx").equals(suffix)) {StringBuilder sb = new StringBuilder();FileInputStream in = new FileInputStream(f.getPath());try {XMLSlideShow xmlSlideShow = new XMLSlideShow(in);List<XSLFSlide> slides = xmlSlideShow.getSlides();for (XSLFSlide slide : slides) {CTSlide rawSlide = slide.getXmlObject();CTGroupShape gs = rawSlide.getCSld().getSpTree();CTShape[] shapes = gs.getSpArray();for (CTShape shape : shapes) {CTTextBody tb = shape.getTxBody();if (null == tb) {continue;}CTTextParagraph[] paras = tb.getPArray();for (CTTextParagraph textParagraph : paras) {CTRegularTextRun[] textRuns = textParagraph.getRArray();for (CTRegularTextRun textRun : textRuns) {sb.append(textRun.getT());}}}}text = sb.toString();xmlSlideShow.close();} catch (Exception e) {e.printStackTrace();}}// 提取姓名String name = getName(text);// 提取手机号String phone = getPhoneNo(text);// 提取邮箱String email = getEmail(text);if (name != null && name != "") {// 添加人才库方法this.saveRecA01(name, phone, email, null, state, request);} else {return "该简历中不存在用户姓名!";}}return "导入成功";}

application.yml

提取姓名方法，不确定人名是一位还是两位的情况

public static String getName(String str) {// 定义姓名为开头String start = "(姓名)([\\s\\S]*)";// 定义姓氏开头的正则String surname = "(王|李|张|刘|陈|杨|黄|赵|吴|周|徐|孙|马|朱|胡|郭|何|高|林|罗|郑|梁|谢|宋|唐|许|韩|冯|邓|曹|彭|曾" +"|养|须|丰|巢|蒯|相|后|红|权逯|盖益|桓|公|万俟|司马|上官|夏侯|诸葛|闻人|东方|赫连|皇甫|尉迟|公羊|澹台" +"|公冶|宗政|濮阳|淳于|单于|太叔|申屠|公孙|仲孙|轩辕|令狐|钟离|宇文|长孙|慕容|鲜于|闾丘|司徒|司空|亓官" +"|司寇|仉|督|子车|颛孙|端木|巫马|公西|漆雕|乐正|壤驷|公良|拓跋|夹谷|宰父|谷粱|法|汝|钦|段干|百里|东郭" +"|南门|呼延|归海|羊舌|微生|帅|缑|亢|况|郈|琴|梁丘|左丘|东门|西门|佘|佴|伯|赏|南宫|墨|哈|谯" +"|肖|田|董|袁|潘|于|蒋|蔡|余|杜|叶|程|苏|魏|吕|丁|任|沈|姚|卢|姜|崔|钟|谭|陆|汪|范|金|石|廖|贾|夏|韦|傅" +"|方|白|邹|孟|熊|秦|邱|江|尹|薛|闫|段|雷|侯|龙|史|黎|贺|顾|毛|郝|龚|邵|万|钱|覃|武|戴|孔|汤|庞|樊|兰|殷" +"|施|陶|洪|翟|安|颜|倪|严|牛|温|芦|季|俞|章|鲁|葛|伍|申|尤|毕|聂|柴|焦|向|柳|邢|岳|齐|沿|梅|莫|庄|辛|管" +"|祝|左|涂|谷|祁|时|舒|耿|牟|卜|路|詹|关|苗|凌|费|纪|靳|盛|童|欧|甄|项|曲|成|游|欧阳|裴|席|卫|查|屈|鲍|位" +"|覃|霍|翁|隋|植|甘|景|薄|单|包|司|柏|宁|柯|阮|桂|闵|阳|解|强|丛|华|车|冉|房|边|辜|吉|饶|刁|瞿|戚|丘" +"|古|米|池|滕|晋|苑|邬|臧|畅|宫|来|嵺|苟|全|褚|廉|简|娄|盖|符|奚|木|穆|党|燕|郎|邸|冀|谈|姬|屠|连|郜|晏" +"|栾|郁|商|蒙|计|喻|揭|窦|迟|宇|敖|糜|鄢|冷|卓|花|艾|蓝|都|巩|稽|井|练|仲|乐|虞|卞|封|竺|冼|原|官|衣|楚" +"|佟|栗|匡|宗|应|台|巫|鞠|僧|桑|荆|谌|银|扬|明|沙|薄|伏|岑|习|胥|保|和|蔺|水|云|昌|凤|酆|常|皮|康|元|平" +"|萧|湛|禹|无|贝|茅|麻|危|骆|支|咎|经|裘|缪|干|宣|贲|杭|诸|钮|嵇|滑|荣|荀|羊|於|惠|家|芮|羿|储|汲|邴|松" +"|富|乌|巴|弓|牧|隗|山|宓|蓬|郗|班|仰|秋|伊|仇|暴|钭|厉|戎|祖|束|幸|韶|蓟|印|宿|怀|蒲|鄂|索|咸|籍|赖|乔" +"|阴|能|苍|双|闻|莘|贡|逢|扶|堵|宰|郦|雍|却|璩|濮|寿|通|扈|郏|浦|尚|农|别|阎|充|慕|茹|宦|鱼|容|易|慎|戈" +"|庚|终|暨|居|衡|步|满|弘|国|文|寇|广|禄|阙|东|殴|殳|沃|利|蔚|越|夔|隆|师|厍|晃|勾|融|訾|阚|那|空|毋|乜" +"|笪|年|爱|仝|代)";// 中文正则String type = "([\u4E00-\u9FA5])";// 判断有一个字还是两个字// 取到姓名及数据for (int i = 0; i < 2; i++) {String regEx = "";if (i == 0) {regEx = start + surname + type + type;} else {regEx = start + surname + type;}Pattern p = Pattern.compile(regEx);Matcher m = p.matcher(str);while (m.find()) {// 姓名：张三String personName = m.group();// 取到数据String name = "";if (personName != null) {String regEx1 = "";if (i == 0) {regEx1 = surname + type + type;} else {regEx1 = surname + type;}Pattern p1 = Pattern.compile(regEx1);Matcher m1 = p1.matcher(personName);while (m1.find()) {name = m1.group();return name;}}}}return null;}

提取手机号

public static String getPhoneNo(String text) {//手机号正则String regExp = "(1[3-9]\\d{9})";Pattern phonePattern = Pattern.compile(regExp);Matcher matcher = phonePattern.matcher(text);while (matcher.find()) {return matcher.group();}return null;}

提取邮箱

public static String getEmail(String text) {//邮箱正则String regex = "[a-za-z0-9_-]+@\\w+\\.[a-z]+(]+)?";Pattern phonePattern = Pattern.compile(regex);Matcher matcher = phonePattern.matcher(text);while (matcher.find()) {return matcher.group();}return null;}

上传doc,pdf,ppt,png,jpg,html文件并解析内容相关推荐

iHRM 人力资源管理系统_第9章_文件上传与PDF报表入门_第二节_PDF报表入门
iHRM 人力资源管理系统_第9章_文件上传与PDF报表入门_第二节_PDF报表入门文章目录 iHRM 人力资源管理系统_第9章_文件上传与PDF报表入门_第二节_PDF报表入门 PDF报表入门 3 ...
前后端分离微服务管理系统项目实战SaaS-HRM项目(九)——文件上传与PDF报表入门
文章目录九.文件上传与PDF报表入门 1.图片上传 <1>.Data URL (1).概述 (2).入门 (3).基本原理 (4).优缺点分析 <2>.实现用户头像上传 2. ...
JAVA如何实现将用户上传的PDF文件转换成图片并返回给用户
很多曾经攻克过的难题都没有及时记录并分享,觉得有些可惜.趁着现在还单身,头还没秃,精力也还算旺盛,我便整理出一些自己曾经挑灯夜战.独立实现的还算有些成就感的项目需求,记录在个人博客上,希望能给拥有相同 ...
帮我用python flask框架写一个可以上传英文pdf然后通过调取百度翻译api翻译为中文然后保存为pdf文件的代码...
下面是一个简单的代码示例,可以帮助您使用 Python Flask 框架实现上传英文 PDF,并通过调用百度翻译 API 将其翻译为中文,然后保存为 PDF 文件: from flask import ...
web服务器可以上传信息吗,Web服务器的架设上传.doc
Web服务器的架设上传.doc 简单Web服务器的架设什么是web服务器 Web服务器其实就是一台提供网页解析服务的计算机上的一个软件程序.WEB服务器也称为WWW(WORLD WIDE WEB)服 ...
php多图片上传程序2.4.3,php多文件上传多图片上传程序代码
多文件上传其实就包括了图片及各种文件了,下面介绍的是一款PHP多文件上传类,一共两个文件,upp.php 和 uploadFile.php,upp.php,这是前台所显示的表单文件了,默认的是四个上传 ...
java ftp 文件移动文件_通过JAVA对FTP服务器连接，上传，下载，读取，移动文件等...
记录一次对FTP服务器文件内容通过Java程序对FTP服务器文件处理:连接,上传,下载,读取,移动文件等. 需求描述:今天接到一个任务,在Java项目中,读取FTP服务器上的一些文件,进行一些业务操 ...
java 文件上传 jar_JavaWeb 之使用 commons-fileupload.jar 实现文件上传
一.文件上传文件的上传和下载,是非常常见的功能,在很多的系统中,或软件中都经常使用文件的上传和下载文件的上传主要分为下面几步: 1.前台页面需要一个 form 标签,里面的 method 为 po ...
vue 文件及描述信息一起上传_用Vue实现一个大文件上传和断点续传
前言这段时间面试官都挺忙的,频频出现在博客文章标题,虽然我不是特别想蹭热度,但是实在想不到好的标题了-.-,蹭蹭就蹭蹭 :) 事实上我在面试的时候确实被问到了这个问题,而且是一道在线 coding ...
uploadify java 上传_jquery使用uploadify插件实现多文件的上传（java版）
2.安装,由于下载下来的例子是php版本的,所以我只留下了主要的几个文件.如图: 4.使用前台页面: pageEncoding="UTF-8"%> html PUBLIC ...

上传doc,pdf,ppt,png,jpg,html文件并解析内容

上传doc,pdf,ppt,png,jpg,html文件并解析内容相关推荐

最新文章

热门文章