用于从本地系统搜索所有 .doc 和 .docx 文件的 java 代码

Question

我正在使用 java 的 Windows 版本的桌面应用程序中工作。在我的应用程序中，需要从本地系统的 MyDocuments/Documents（根据操作系统）搜索所有 .doc 和 .docx 文件，并在那里显示名称和文件大小。

我没有找到可以帮助我列出所有 *.doc、*.docx、*.xls、*.xlsx、*.csv、*.txt、*.pdf、*.ppt、 *.pptx 文件存在于 Documents/MyDocuments 中。

请给我您宝贵的建议或建议任何链接，以帮助我编写代码以更快地搜索和列出它的名称、大小和类型。

Answer 1

您可以使用 Apache Commons IO，尤其是 FileUtils 类。这会给出类似的东西：

import java.io.File;
import java.util.Collection;

import org.apache.commons.io.*;
import org.apache.commons.io.filefilter.*;

public class SearchDocFiles {
    public static String[] EXTENSIONS = { "doc", "docx" };

    public Collection<File> searchFilesWithExtensions(final File directory, final String[] extensions) {
        return FileUtils.listFiles(directory,
                extensions,
                true);
    }

    public Collection<File> searchFilesWithCaseInsensitiveExtensions(final File directory, final String[] extensions) {
        IOFileFilter fileFilter = new SuffixFileFilter(extensions, IOCase.INSENSITIVE);
        return FileUtils.listFiles(directory,
                fileFilter,
                DirectoryFileFilter.INSTANCE);
    }


    public static void main(String... args) {
        // Case sensitive
        Collection<File> documents = new SearchDocFiles().searchFilesWithExtensions(
                new File("/tmp"),
                SearchDocFiles.EXTENSIONS);
        for (File document: documents) {
            System.out.println(document.getName() + " - " + document.length());
        }

        // Case insensitive
        Collection<File> caseInsensitiveDocs = new SearchDocFiles().searchFilesWithCaseInsensitiveExtensions(
                new File("/tmp"),
                SearchDocFiles.EXTENSIONS);
        for (File document: caseInsensitiveDocs) {
            System.out.println(document.getName() + " - " + document.length());
        }
    }
}

Answer 2

检查这个方法。

public void getFiles(String path) {
    File dir = new File(path);
    String[] children = dir.list();
    if (children != null) {
        for (int i = 0; i < children.length; i++) {
            // Get filename of file or directory
            String filename = children[i];
            File file = new File(path + File.separator + filename);
            if (!file.isDirectory()) {
                if (file.getName().endsWith(".doc") || file.getName().endsWith(".docx")) {
                    System.out.println("File Name " + filename + "(" + file.length()+"  bytes)");
                }
            } else {
                getFiles(path + File.separator + filename);
            }
        }
    }
}

Answer 3

如果你想找到所有带有 .doc(x) 扩展名的文件，你可以使用 java.io.File.list(FileFilter) 方法，比如：

公共 java.util.List mswordFiles(java.io.File dir) { java.util.List res = new java.util.ArrayList(); _mswordFiles(dir, res); 返回资源； } 受保护的无效_mswordFiles（java.io.File dir，java.util.List res）{ java.io.File [] files = dir.listFiles(new java.io.FileFilter() { 公共布尔接受（java.io.File f）{ 字符串名称 = f.getName().toLowerCase(); 返回 !f.isDirectory() && (name.endsWith(".doc") || name.endsWith(".docx")); } }); for(java.io.File f:files) {res.add(f);} java.io.File [] dirs = dir.listFiles(new java.io.FileFilter() { 公共布尔接受（java.io.File f）{ 返回 f.isDirectory(); } }); for(java.io.File d:dirs) {_mswordFiles(d, res);} }

Answer 4

我没有足够的声誉来发表评论，所以必须将此作为“答案”提交：

@khachik 您可以根据需要忽略大小写或大写/小写。 – Martijn Verburg 2010 年 11 月 10 日 12:02

这花了我一点时间来弄清楚，最后找到了如何用这个解决方案忽略大小写：

添加

public static final IOFileFilter filter = new SuffixFileFilter(EXTENSIONS, IOCase.INSENSITIVE);

然后将searchFilesWithExtensions方法修改为return FileUtils.listFiles( directory, filter, DirectoryFileFilter.DIRECTORY );

Answer 5

您可能希望研究使用Apache POI 提取MSWord 文本并通过Lucene 对其进行索引（以提高搜索的准确性、灵活性和速度）。 Nutch 和 Solr 都有 Lucene 的帮助程序库，您可以使用它来加快速度（也就是说，如果 Lucene 核心不够用）。

[更新] 我误解了原来的问题（更新前）。您只需要使用 Java 搜索文件系统？ Java API 可以做到这一点。 Apache 还有一个library (Commons IO)，它包括一个文件实用程序，用于列出一个目录下的所有文件，包括给定过滤器的子目录。我以前用过，例如FileUtils.listFiles(dir, filefilter, dirfilter) 或 FileUtils.listFiles(dir, extensions[], recursive)。然后从该列表中执行搜索功能。