POI读取doc,docx文档内容

1.pom依赖：

 <dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>4.1.2</version>
</dependency>
<!--处理2007版本-->
<dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>4.1.2</version>
</dependency>
<dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml-schemas</artifactId><version>4.1.2</version>
</dependency><!-- https://mvnrepository.com/artifact/org.apache.poi/poi-scratchpad -->
<!--处理老版本-->
<dependency><groupId>org.apache.poi</groupId><artifactId>poi-scratchpad</artifactId><version>4.1.2</version>
</dependency>

2.由于人工创建的文档各式各样，有可能doc文件另存为docx，docx另存为doc，虽然文件后缀变了，但是其原有的格式并未改变，所以需要做兼容处理。见代码：

@Slf4j
public class FileUtils {/*** 解析docx** @param multipartFile* @return*/public static String getDocxWord(MultipartFile multipartFile) {String docWord = null;
//        POIXMLTextExtractor extractor = (POIXMLTextExtractor) ExtractorFactory.createExtractor(bis);
//        OPCPackage aPackage = extractor.getPackage();try {//            XWPFWordExtractor docx = new XWPFWordExtractor(POIXMLDocument.openPackage(path));XWPFDocument read = read(multipartFile);if (read==null){return null;}XWPFWordExtractor docx = new XWPFWordExtractor(read);//提取.docx正文文本docWord = docx.getText().trim();log.info("解析doc文档成功：{}", docWord);docx.close();}  catch (NullPointerException e) {return null;}catch (IOException e){e.printStackTrace();}return docWord;}/*** 解析doc** @param multipartFile* @return*/public static String getDocWord( MultipartFile multipartFile) {String docxWord = "";WordExtractor wordExtractor = null;InputStream is =null;try {//解析doc文件is = multipartFile.getInputStream();try {wordExtractor = new WordExtractor(is);docxWord = wordExtractor.getText().trim();log.info("解析docx文档成功：{}", docxWord);} catch (IllegalArgumentException e) {docxWord=getDocxWord(multipartFile);}finally {if (wordExtractor !=null){wordExtractor.close();}if (is!=null){is.close();}}} catch (IOException e) {log.error("解析docx文档失败", e);}return docxWord;}/*** 读取文件内容** @param multipartFile* @return*/public static XWPFDocument read(MultipartFile multipartFile) {// 判断文件是否为空InputStream is = null;if (!multipartFile.isEmpty()) {try {is = multipartFile.getInputStream();XWPFDocument document = null;try {document = new XWPFDocument(is);} catch (NotOfficeXmlFileException e) {document=null;}return document;} catch (Exception e) {e.printStackTrace();}}return null;}public static void main(String[] args) throws Exception {File file = new File("C:\\Users\\dcw\\Desktop\\2.doc");MultipartFile multipartFile = fileToMultipartFile(file);System.out.println(getDocWord(multipartFile));}
}

POI读取doc,docx文档内容相关推荐

poi操作word docx文档内容替换详解
WORD文档文字替换利用关键字下角标位置的方式处理word文档区域文字分割无法匹配的问题 /*** DOCX文档字符串查找** @param document 文档* @param str 查找字符 ...
使用python-docx读取doc,docx文档
API: http://python-docx.readthedocs.io/en/latest/#api-documentation 将doc转为docx: from win32com imp ...
在线预览doc,docx文档
在线预览doc,docx文档前言:上传成功以后的每个文档都能获取到所传文件的路径; 我这里是一个maven项目,需要在pom文件引入 <dependenc ...
关于JAVA POI解析WPS docx文档中的table（复杂表格包含单元格横向，纵向的合并）
关于JAVA POI解析WPS docx文档中的table(复杂表格包含单元格横向,纵向的合并) 首先,关于poi解析表格先阅读一篇他人的博客使用poi读取word2007(.docx)中的复杂表格 ...
PHP读取docx文档内容
引言客户需求, 需要从docx文档读取内容并且做简单格式化, 难点就在于如何读取docx格式并且转换为php可以识别的字符串形式, 惯例先贴代码. 代码 /*** Class Docx2Text** ...
Java web/springboot上传word/doc/docx文档(含图片)与HTML富文本导入/导出互相转换解析！附项目源码
测试效果先看下效果文档内容如下: 上传上传docx文档查看解析内容 <html><head><style>p{margin-top:0pt;margin-b ...
php读取word文件并解析图片,PHP读取office word文档内容及图片
PHP读取word文档里的文字及图片,并保存一.composer安装phpWord composer require phpoffice/phpword 二.phpWord 读取 docx 文档(注 ...
poi xwpf 转换成 html,Apache POI创建的docx文档无法转化成html
当我通过word软件创建文档的时候 FileInputStream fileInputStream = new FileInputStream(sourceFileName); //当你确定该文件可信 ...
java docx转pdf_java word/doc/docx文档转PDF 加水印
本文实例讲述了java实现word文档转pdf并添加水印的方法.分享给大家供大家参考,具体如下: 前段时间,项目需要将上传的Word文档在浏览器浏览,思来想去,把word文档转成pdf就好了,于是乎研 ...
(doc, docx)文档合并的三种方法
Word文档合并几种方式通过com.spire.doc包具体参考地址:https://www.e-iceblue.cn/spiredocforjavaoperating/merge-word-do ...

POI读取doc,docx文档内容

POI读取doc,docx文档内容

1.pom依赖：

2.由于人工创建的文档各式各样，有可能doc文件另存为docx，docx另存为doc，虽然文件后缀变了，但是其原有的格式并未改变，所以需要做兼容处理。见代码：

POI读取doc,docx文档内容相关推荐

最新文章

热门文章