webcat 文本格式转换工具

java对文本的格式进行转换 RTF html RTF doc等

package pt.tumba.parser;

import java.util.*;


/**
 * @author Bruno Martinss
 */
public class Content {

	protected List terms;
	protected Map termslinks;
	protected List textBlocks;
	protected Map wordGrams;
	protected Map annotationCount;
	protected Map annotations;
	protected StringBuffer content;
	protected int numTokens;
	protected int numTokensWithStopWords;
	

	/**
	 *  The rabin hash function used to produce an hash code for the content of
	 *  the document
	 */
	private RabinHashFunction hashFunction = new RabinHashFunction（）;
	

	/**
	 *  Returns the terms extracted from the document. The difference for the getTokens
	 * method is that this one filters the stop-words.
	 *
	 *@return  An iterator over the terms extracted from the document
	 */
	public Iterator getTerms（） {
		Vect

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-10-17 15:55  webcat\
     目录           0  2014-10-17 15:55  webcat\Document Parser\
     文件          69  2005-01-03 12:28  webcat\Document Parser\.checkclipse
     文件          85  2005-01-03 12:28  webcat\Document Parser\.checkstyle
     文件         304  2005-01-03 12:28  webcat\Document Parser\.classpath
     文件         787  2005-01-03 12:28  webcat\Document Parser\.project
     目录           0  2014-10-17 15:55  webcat\Document Parser\pt\
     目录           0  2014-10-17 15:55  webcat\Document Parser\pt\tumba\
     目录           0  2014-10-17 15:55  webcat\Document Parser\pt\tumba\parser\
     文件        5857  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Content.class
     文件        8236  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Content.java
     文件         144  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\DocFilter.class
     文件         379  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\DocFilter.java
     文件        6760  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\HTMLMarkup.class
     文件       11247  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\HTMLMarkup.java
     文件       36416  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\HTMLParser.class
     文件       51966  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\HTMLParser.java
     文件        2821  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Hyperlinks.class
     文件        2464  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Hyperlinks.java
     文件        2279  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Imagelinks.class
     文件        1820  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\Imagelinks.java
     文件        8883  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\metaData.class
     文件       10140  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\metaData.java
     文件        3861  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\NativeExec.class
     文件        3535  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\NativeExec.java
     文件        5630  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\RabinHashFunction.class
     文件       10112  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\RabinHashFunction.java
     文件       46480  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\StopWords.class
     文件       30333  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\StopWords.java
     文件        5696  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\StringUtils.class
     文件       10252  2005-01-03 12:28  webcat\Document Parser\pt\tumba\parser\StringUtils.java
............此处省略446个文件信息