Java中使用Apache POI读取word文件简单示例
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
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import org.apache.poi.POIXMLDocument;
import org.apache.poi.POIXMLTextExtractor;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
public class Test {
public static void main(String[] args) {
try {
InputStream is = new FileInputStream(new File("2003.doc"));
WordExtractor ex = new WordExtractor(is);
String text2003 = ex.getText();
System.out.println(text2003);
OPCPackage opcPackage = POIXMLDocument.openPackage("2007.docx");
POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);
String text2007 = extractor.getText();
System.out.println(text2007);
} catch (Exception e) {
e.printStackTrace();
}
}
}
相关文章
IntelliJ IDEA安装scala插件并创建scala工程的步骤详细教程
这篇文章主要介绍了IntelliJ IDEA安装scala插件并创建scala工程的步骤，本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-07-07
这篇文章主要为大家介绍了详解SpringSecurity如何实现前后端分离，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-03-03
这篇文章主要为大家详细介绍了23种设计模式之java适配器模式，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-11-11
这篇文章主要介绍了解决SpringBoot引用别的模块无法注入的问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-02-02
这篇文章主要介绍了使用工具类-java精确到小数点后6位，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-10-10
这篇文章主要介绍了hadoop分布式环境搭建过程，本文图文并茂给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了MyBatis动态SQL如何实现前端指定返回字段，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-01-01
建造者模式，是一种对象构建模式 它可以将复杂对象的建造过程抽象出来，使这个抽象过程的不同实现方法可以构造出不同表现的对象。本文将通过示例讲解建造者模式，需要的可以参考一下2022-10-10
Java获取HttpServletRequest的三种方法详解
这篇文章主要介绍了Java获取HttpServletRequest的三种方法详解,是一个接口,全限定名称为Jakarta.Serclet.http.HttpServletRequest2023-11-11
HttpServletRequest接口是Servlet规范的一员,需要的朋友可以参考下
当你需要构建一个大的有序队列，用插入发太慢了，可以先用二分查找法，找到在队列要插入的位置，把数后移一下，然后放进去。比较效率,下面是java使用示例,需要的朋友可以参考下2014-03-03
最新评论