java读取03和07版的word内容

最新推荐文章于 2021-03-29 11:00:30 发布

原创最新推荐文章于 2021-03-29 11:00:30 发布 · 2.9k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#poi #java

java 同时被 2 个专栏收录

40 篇文章

订阅专栏

javaEE

35 篇文章

订阅专栏

该博客介绍了如何借助Apache POI库以二进制流方式读取Microsoft Word2003和2007的文档内容，但这种方法不保留文档原有格式。

通过apache poi这个包来实现读取 word2003和2007的内容，以二进制流的形式读取，无法保留格式

 request.setCharacterEncoding("gbk");
		  response.setContentType("text/plain;charset=gbk");
		  String file = "test.docx";
//		  获得项目根目录地址
		  String rootPath = this.getServletConfig().getServletContext().getRealPath("/");
//		  获得文件完整的地址
		  String path=rootPath+file; 
		  InputStream in = new FileInputStream(path);
		  System.out.println(path);
		  String bodyText=""; 
		  try {
//			  转换成  PushbackinputStream
			   if (!in.markSupported()) {
		            in = new PushbackInputStream(in, 8);
		        } 
//			  其他word版本
			  if(POIFSFileSystem.hasPOIFSHeader(in))
			  {
				  HWPFDocument document = new HWPFDocument(in);		
				  WordExtractor extractor = new WordExtractor(document);
				  bodyText = extractor.getText(); 
				  response.getWriter().write(bodyText);
				  return ;
			  }
//			   07 版本
			   XWPFDocument document = new XWPFDocument(in);
			   XWPFWordExtractor extractor =new XWPFWordExtractor(document);
			   bodyText = extractor.getText(); 
			   response.getWriter().write(bodyText);
			  
		} catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();	
		}
		 
	}

完整的项目可以下载 http://download.youkuaiyun.com/detail/ch717828/8358639