从RTF中获取纯文本的Java方法

Question

我在数据库中有一个列，其中保存了RTF格式的文本。

使用Java，我如何只获取其纯文本内容？

- Programmer

---

你可能会觉得这个很有趣。 - assylias

可能是重复的问题：从RTF字符串中提取文本的正则表达式 - John Smith

Answer 1

RTFEditorKit rtfParser = new RTFEditorKit();
Document document = rtfParser.createDefaultDocument();
rtfParser.read(new ByteArrayInputStream(rtfBytes), document, 0);
String text = document.getText(0, document.getLength());

这应该可以工作。

- Ben Arnao

Answer 2

Apache POI 还可以读取 Microsoft Word 格式，而不仅仅是 RTF。

POI

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;

public String getRtfText(String fileName) {
   File rtfFile = null;
   WordExtractor rtfExtractor = null ;

   try {
    rtfFile = new File(fileName);

    //A FileInputStream obtains input bytes from a file.
    FileInputStream inStream = new FileInputStream(rtfFile.getAbsolutePath());

    //A HWPFDocument used to read document file from FileInputStream
    HWPFDocument doc=new HWPFDocument(inStream);

    rtfExtractor = new WordExtractor(doc);
   }
   catch(Exception ex)
   {
    System.out.println(ex.getMessage());
   }

    //This Array stores each line from the document file.
    String [] rtfArray = rtfExtractor.getParagraphText();

    String rtfString = "";

    for(int i=0; i < rtfArray.length; i++) rtfString += rtfArray[i];

    System.out.println(rtfString);
    return rtfString;
 }

- Mike

---

我需要类似于C#中的这样一个东西： static public string ConvertToText(string rtf) { RichTextBox rtb = new RichTextBox(); rtb.Rtf = rtf; return rtb.Text; } - Programmer

这个不行。POI不能解析RTF文档。（我试过了，得到了一个异常，说POI不能解析RTF文档！） - Mary

是的，我从Apache下载了最新的POI，但整个包中并没有hwpf。 - george_h

当然可以，它是Word的子组件（HWPF+XWPF）http://poi.apache.org/hwpf/index.html - Bernhard

以上代码不能打开RTF文件，会抛出"java.lang.IllegalArgumentException: The document is really a RTF file"异常。因此，我认为POI不支持打开RTF文件。 - Alex Lipov

Answer 3

如果 RTF 文本在 JEditorPane 中，这个方法可以正常工作。

String s = getPlainText(aJEditorPane.getDocument());

String getPlainText(Document doc) {
    try {
        return doc.getText(0, doc.getLength());
    }
    catch (BadLocationException ex) {
        System.err.println(ex);
        return null;
    }
}

- Jens S.

Answer 4

如果你想尝试一下"AdvancedRTFEditorKit"，那可能会很酷。可以在这里试试http://java-sl.com/advanced_rtf_editor_kit.html。

我曾经使用它创建了一个完整的RTF编辑器，支持所有MS Word的功能。

- PeakGen

---

我需要一个简单的解析器，可以获取像这样的字符串：{\rtf1\fbidis\ansi\ansicpg1255\deff0\deflang1037{\fonttbl{\f0\fnil\fcharset0 Tahoma;}} {\colortbl ;\red0\green0\blue0;} \viewkind4\uc1\pard\ltrpar\cf1\f0\fs18 2134\par } 并返回纯文本：'2134'。它不是来自文件，而是映射到字符串字段的简单VARCHAR2（4000）列。 - Programmer