Java POI 读取word文件

java哥阅读：856 2020-10-18 22:09:47 评论：0

Apache POI是Apache软件基金会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。

1.读取word 2003及word 2007需要的jar包

　　读取 2003 版本(.doc)的word文件相对来说比较简单，只需要 poi-3.5-beta6-20090622.jar 和 poi-scratchpad-3.5-beta6-20090622.jar 两个 jar 包即可，而 2007 版本(.docx)就麻烦多，我说的这个麻烦不是我们写代码的时候麻烦，是要导入的 jar 包比较的多，有如下 7 个之多：
1. openxml4j-bin-beta.jar
2. poi-3.5-beta6-20090622.jar
3. poi-ooxml-3.5-beta6-20090622.jar
4 .dom4j-1.6.1.jar
5. geronimo-stax-api_1.0_spec-1.0.jar
6. ooxml-schemas-1.0.jar
7. xmlbeans-2.3.0.jar
其中 4-7 是 poi-ooxml-3.5-beta6-20090622.jar 所依赖的 jar 包（在 poi-bin-3.5-beta6-20090622.tar.gz 中的 ooxml-lib 目录下可以找到）。

2.换行符号

　　硬换行：文件中换行，如果是键盘中使用了"enter"的换行。

　　软换行：文件中一行的字符数容量有限，当字符数量超过一定值时，会自动切到下行显示。

　　对程序来说，硬换行才是可以识别的、确定的换行，软换行与字体大小、缩进有关。

3.读取的注意事项

　　值得注意的是： POI 在读取不会读取 word 文件中的图片信息； 还有就是对于 2007 版的 word(.docx), 如果 word 文件中有表格，所有表格中的数据都会在读取出来的字符串的最后。

4.读取word文本内容代码

 1 import java.io.File; 
 2 import java.io.FileInputStream; 
 3 import java.io.InputStream; 
 4  
 5 import org.apache.poi.POIXMLDocument; 
 6 import org.apache.poi.POIXMLTextExtractor; 
 7 import org.apache.poi.hwpf.extractor.WordExtractor; 
 8 import org.apache.poi.openxml4j.opc.OPCPackage; 
 9 import org.apache.poi.xwpf.extractor.XWPFWordExtractor; 
10  
11 public class Test { 
12     public static void main(String[] args) { 
13         try { 
14             InputStream is = new FileInputStream(new File("2003.doc")); 
15             WordExtractor ex = new WordExtractor(is); 
16             String text2003 = ex.getText(); 
17             System.out.println(text2003); 
18  
19             OPCPackage opcPackage = POIXMLDocument.openPackage("2007.docx"); 
20             POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage); 
21             String text2007 = extractor.getText(); 
22             System.out.println(text2007); 
23              
24         } catch (Exception e) { 
25             e.printStackTrace(); 
26         } 
27     } 
28 }

标签:java

声明

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，请转载时务必注明文章作者和来源，不尊重原创的行为我们将追究责任；3.作者投稿可能会经我们编辑修改或补充。