Apache POI正文抽取笔记

最新推荐文章于 2025-10-16 17:48:00 发布

原创

最新推荐文章于 2025-10-16 17:48:00 发布 · 2.4k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#java #apache #poi #office #word

Apache POI 是一个用于处理MS Office文件的Java框架，本文介绍了如何确定输入格式、抽取正文及内嵌内容。在Excel使用中，存在一些已知问题，如需要特定设置来正确抽取内容。而在Word文件中，直接使用getText()无法获取文本框内容，需使用特定接口。

Apache POI是一套比较主流的Java下MS Office文件的读取/写入框架，纯Java实现。是Apache Tika读取MS Office文件的底层实现。

官方网站：http://poi.apache.org/

下载：http://poi.apache.org/download.html#archive

Apache组件与包

组件	格式	Maven artifactId
POIFS	OLE2 Filesystem	poi
HPSF	OLE2 Property Sets	poi
HSSF	Excel XLS	poi
HSLF	PowerPoint PPT	poi-scratchpad
HWPF	Word DOC	poi-scratchpad
HDGF	Visio VSD	poi-scratchpad
HPBF	Publ

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

fuzzytalker

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【WPF应用21】WPF 中的 TextBox 控件详解与示例

qq_35320456的博客

03-28

6526

WPF 中的 TextBox 控件详解与示例

使用Apache POI抽取OFFICE文本（DOC, DOCX, XLS, XLSX, PPT, PPTX）——Desktop Search开发笔记【经验积累】

Harry Huang

09-22

6166

为了对文件内容进行索引，必须先抽取出文件中文本。我们使用Apache POI提供的API来抽取office文件（DOC, DOCX, XLS, XLSX, PPT, PPTX）中的文本。很多人在文件使用开源API的时候都很纳闷，Javadocs那么大，我要的API在到底在那个类里边。即使找到了也不明白这么多构造函数该用哪个创建想要的对象。本文给大家讲一下POI中我们该如何创建抽取（DOC, DOCX, XLS, XLSX, PPT, PPTX）的对象。

参与评论您还未登录，请先登录后发表或查看评论

java.lang.NoClassDefFoundError: org/apache/poi/POIXMLTextExtractor

十年彩虹

11-30

1万+

最近，在处理解析程序的时候。用到了解析word入库。word的格式有两种一个doc和docx。 java.lang.NoClassDefFoundError: org/apache/poi/POIXMLTextExtractor，报出这个异常，我断点跟踪了一下。发现。是出jar的问题。然后我下载了Build fat jar 打包把jar都打进入就好。原因找不到jar。解析2003和2

Apache POI的简单使用

热门推荐

ZetaChow

05-24

4万+

WPF中没有textarea的东西，不像在ASP.NET中设置textbox那样设置一个多行属性就可以变成文本域，虽然可以使用ricktextbox实现多行文本输入，但是richtextbox比较复杂，面对简单的多行文本输入的时候太麻烦了点，但是WPF的textbox依然可以通过设置属性实现像textarea一样的多行文本输入。一下是转载的一篇出处。本示例演示如何使用可扩展应用程序标

C# 读取Word文本框中的文本、图片和表格（附VB.NET代码）

chinaherolts2008的博客

03-14

800

【概述】 Word中可插入文本框，在文本框中可添加文本、图片、表格等内容。本篇文章通过C#程序代码介绍如何来读c#教程取文本框中的文本、图片和表格等内容。附VB.NET代码，有需要可作参考。【程序环境】程序中所需必要的程序集文件Spire.Doc.dll，及其他相关dll文件（见下文）。用于测试的Word源文档如图：【程序代码】 1.读取文本框中的文本所需程序集: 【C#】 using Spire.Doc; using Spire.Doc.Documents; using Spire.Doc.

WPF 控件专题 TextBox控件详解

^@^lemon tea^@^

07-25

7360

WPF 控件专题 TextBox控件详解

黑马Java第二阶段：JavaWeb+AI（笔记）

chen的博客

05-25

3709

Web，即全球广域网（World Wide Web，简称 www）是通过浏览器访问的网站系统前端程序：负责界面展示（HTML/CSS/JS）服务端程序：处理业务逻辑（Java、SpringBoot）数据库：存储和管理数据（MySQL等）前端：负责网页在浏览器端的“结构 + 外观 + 行为”三大核心技术技术功能作用HTML页面结构（内容和标签）CSS页面表现（样式与布局）JavaScript页面行为（交互与响应）运行原理：浏览器解析程序员编写的代码 → 渲染为用户看到的网页。

轻松处理 Excel 合并单元格：从复杂到简化的读取方案

zk的博客

07-29

968

轻松处理 Excel 合并单元格：从复杂到简化的读取方案

文档内容全文搜索工具支持多格式文件索引与预览

这种多格式内容抽取机制依赖于底层集成的开源文档解析引擎，比如 Apache Tika 或 POI 等项目，确保各种常见办公和网页格式都能被有效支持。其一大优点是“支持自定义设置索引范围”。这意味着用户可以根据需求指定...

WPF TextBox代替RichTextBox

遥远的心

06-17

524

WPF TextBox代替RichTextBox

Java利用POI读取Word

临的博客

03-02

3231

引入jar包，这里给出Maven仓库的jar包地址信息 <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>3.17</version> </depende

JAVA 仿 MS word 字数统计

weixin_30667649的博客

11-06

409

// TODO caihao 2016-11-06 字数统计工具类 /** * 统计字数，参照MS office word 2007规则 * @param context 文本内容 * @return 字数 */ public int getMSWordsCount(String context){ int words_count = 0; //中文单词 String c...

Poi 、Jacob 统计word文档字数实现方式

Zxdth的博客

12-18

1819

前言有个需求通过读取word文件来获取文档字数，便于实施业务。一开始用的Tika来做的，由于特殊字符解析的不是很正确，又换成POI来读取也有点问题，最后用Jacob来读取解析，达到预定的结果集。再次记录下，有不对的地方欢迎指正。 Tika的实现方式引入依赖 <!-- https://mvnrepository.com/artifact/org.apache.tika/t...

【Poi-tl Documentation】区块对标签显示隐藏改造

添砖加瓦

03-16

2756

最后就是用我们自定义的 CustomDefaultRender 了，因为 XWPFTemplate 构造函数是 private，不能使用继承的方式实现，最后我们通过反射的方式来处理，模拟 XWPFTemplate.compile(InputStream, Configure) 方法,通过反射的方式来创建 XWPFTemplate 并给属性赋值，renderer 使用我们自定会的 CustomDefaultRender。这次改造过程中涉及到的很多方法都是从原有的方法中赋值，改动的部分很少。

poi异常：org.apache.poi.xwpf.usermodel.XWPFRun.getFontSizeAsDouble()Ljava/lang/Double；（已解决）

Chen_chenjiasheng的博客

06-23

5699

poi异常：org.apache.poi.xwpf.usermodel.XWPFRun.getFontSizeAsDouble()Ljava/lang/Double;（已解决）

easyExcel的maven依赖（备忘）

weixin_40434637的博客

09-18

2万+

pom依赖如下 <dependency> <groupId>com.alibaba</groupId> <artifactId>easyexcel</artifactId> <version>2.1.6</version> </dependency> <dependency> <groupId>org.apache.poi</group

java word转html 报错org/apache/poi/xwpf/usermodel/IRunBody

我的博客

03-14

1206

poi 3.14下报错： org.apache.poi.xwpf.converter.core.XWPFConverterException: java.lang.NullPointerException at org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.convert(XHTMLConverter.java:77) at org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.doConvert(X

Apache POI技术Java库全面介绍

Apache POI 是一个开源的 Java 库，用于读取和写入Microsoft Office格式的文件，例如Excel、Word和PowerPoint。该库提供了一套丰富的API，可以用来操作Microsoft Office文档，而无需安装Microsoft Office软件。下面...