使用tm-extractors读取word文档

最新推荐文章于 2013-06-24 14:54:46 发布

youyajie

最新推荐文章于 2013-06-24 14:54:46 发布

阅读量6.5k

点赞数 1

分类专栏： java 文章标签： exception string microsoft 文档 class jar

本文链接：https://blog.youkuaiyun.com/youyajie/article/details/7749481

版权

java 专栏收录该内容

25 篇文章

订阅专栏

这篇博客介绍了如何利用tm-extractors这个Java库来读取Microsoft Word文档。该库基于Apache POI，提供了方便的API进行文档内容提取。通过引入相应的jar包并集成到项目中，开发者可以轻松实现Word文档的读取操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tm-extractors是封装了POI的word读取工具。下载jar包，导入到工程中便可以使用了。代码如下：

package com.you.read;

import java.io.FileInputStream;
import org.textmining.text.extraction.WordExtractor;

public class WordReader {
	public static String readDoc(String doc) throws Exception {
		FileInputStream in = new FileInputStream(doc);
		WordExtractor extractor = null;
		String text = null;
		extractor = new WordExtractor();
		text = extractor.extractText(in);
		return text;
	}
	
	public static void main(String[] args) {
		try {
			String text = WordReader.readDoc("d:/bloom.doc");
			System.out.println(text);
		} catch (Exception e) {
			e.printStackTrace();
		}
		
	}

}

运行结果抛出异常，为：

org.textmining.text.extraction.FastSavedException: Fast-saved files are unsupported at this time
	at org.textmining.text.extraction.WordExtractor.extractText(WordExtractor.java:63)
	at com.you.read.WordReader.readDoc(WordReader.java:14)
	at com.you.read.WordReader.main(WordReader.java:20)

为什么呢？我的原因是:.doc文档经过了wps编辑。抛出了异常。经microsoft word 2003编辑，运行结果为：

我在马路边捡到一分钱，把它交到警察叔叔手里面，叔叔拿着钱对我把头点，我高兴的说了声，叔叔再见。

读取成功。