Java POI 读取word文件
发布日期:2021-09-08 01:45:17 浏览次数:30 分类:技术文章

本文共 1867 字,大约阅读时间需要 6 分钟。

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 }

 

转自:

转载地址:https://blog.csdn.net/weixin_34310369/article/details/85629202 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:Installation of NVIDIA Drivers in RHEL/CentOS and Fedora
下一篇:Ffmpeg解析media容器过程/ ffmpeg 源代码简单分析 : av_read_frame()

发表评论

最新留言

路过,博主的博客真漂亮。。
[***.116.15.85]2023年05月23日 06时30分00秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

最新文章