Java 如何提取rtf表

我有一个rtf文件。里面有很多桌子。我一直在尝试使用java（POI和tika）来提取表。这在.doc中是很容易的，因为表是这样定义的。然而，在rtf文件中，似乎没有任何“thisatable”标记作为元数据的一部分。有人知道从这样的文件中提取表的最佳策略是什么吗？将其转换为其他文件格式会有所帮助。有什么线索要我查吗？

有一个叫做unrtf的linux工具，请看

使用该应用程序，您可以将rtf文件转换为html：

unrtf --html your_input_file.rtf > your_output_file.html

---

现在，您可以使用任何编程api来操作html/xml并轻松提取表。您需要的足够了吗？

谢谢hexin的回答。最后，我能够使用Tika，方法是使用TXTParser，然后将粗体标记之间的所有段（这就是我的表的分隔方式）放入arraylist中。我必须使用制表符分隔符从那里定义表格。 以下代码没有基于选项卡提取表的位（仍在处理）：

导入java.io.File；
导入java.io.FileInputStream；
导入java.io.IOException；
导入java.util.ArrayList；
导入java.util.regex.Matcher；
导入java.util.regex.Pattern；
导入org.apache.tika.exception.TikaException；
导入org.apache.tika.metadata.metadata；
导入org.apache.tika.metadata.TikaCoreProperties；
导入org.apache.tika.parser.ParseContext；
导入org.apache.tika.parser.html.HtmlParser；
导入org.apache.tika.parser.rtf.RTFParser；
导入org.apache.tika.parser.txt.TXTParser；
导入org.apache.tika.sax.BodyContentHandler；
导入org.xml.sax.SAXException；
公共类文本分析器{
公共静态void main（最终字符串[]args）引发IOException、TikaException{
//检测文件类型
BodyContentHandler=新的BodyContentHandler（-1）；
元数据=新元数据（）；
FileInputStream-inputstream=newfileinputstream（新文件（“/Users/mydoc.rtf”）；
ParseContext pcontext=新的ParseContext（）；
//文本文档解析器
TXTParser TXTParser=新的TXTParser（）；
试一试{
parse（inputstream、处理程序、元数据、pcontext）；
}捕获（SAXE异常）{
e、 printStackTrace（）；
} 
字符串s=handler.toString（）；
Pattern Pattern=Pattern.compile（“\\\\b\\\\f1\\\\fs24.+？\\\\par.+？）\\\\b\\\\f1\\\\fs24.*？\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\；
匹配器匹配器=模式匹配器；
ArrayList arr=新的ArrayList（）；
while（matcher.find（））{
arr.add（匹配器组（1））；
}
for（字符串名称：arr）{
System.out.println（“数组编号为：”+arr.indexOf（name）+“\n\n”+name）；
}
}
}

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.ArrayList;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.metadata.TikaCoreProperties;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.html.HtmlParser;
import org.apache.tika.parser.rtf.RTFParser;
import org.apache.tika.parser.txt.TXTParser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;


public class TextParser {
public static void main(final String[] args) throws IOException,TikaException{
 //detecting the file type
 BodyContentHandler handler = new BodyContentHandler(-1);
 Metadata metadata = new Metadata();

 FileInputStream inputstream = new FileInputStream(new File("/Users/mydoc.rtf"));
 ParseContext pcontext = new ParseContext();

 //Text document parser
 TXTParser TXTParser = new TXTParser();
 try {
     TXTParser.parse(inputstream, handler, metadata,pcontext);

} catch (SAXException e) {

    e.printStackTrace();
} 
 String s=handler.toString();

Pattern pattern = Pattern.compile("(\\\\b\\\\f1\\\\fs24.+?\\\\par .+?)\\\\b\\\\f1\\\\fs24.*?\\{\\\\",Pattern.DOTALL);

Matcher matcher = pattern.matcher(s);
ArrayList<String> arr= new ArrayList<String>();

while (matcher.find()) {
       arr.add(matcher.group(1));
     }

 for(String name : arr){
     System.out.println("The array number is: "+arr.indexOf(name)+" \n\n "+name);
 }

 }
}