JAVA 读取 Doc、Docx 及注意点

通用的读取方法：

读取 doc

private static String contextOfDoc(File file){
		String str = "";
        try {
            FileInputStream fis = new FileInputStream(file);
            HWPFDocument doc = new HWPFDocument(fis);
            str = doc.getDocumentText();
            doc.close();
            fis.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
        return str;
	}

读取 docx

private static String contextOfDocx(File file){
		String str = "";
        try {
            FileInputStream fis = new FileInputStream(file);
            XWPFDocument xdoc = new XWPFDocument(fis);
            XWPFWordExtractor extractor = new XWPFWordExtractor(xdoc);
            str = extractor.getText();
            extractor.close();
            fis.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
	}

注意项

1、两种文件中对换行解释的不同：

.doc 中，换行符是 字符 13 , 即 \r （回车）

.docx 中，换行符是 字符 10 ，即 \n （换行）

Swing 中类似于 JTextPane 的文本域组件，需要将字符 13 转换为字符 10 ，否则无法被识别

2、读取到最后可能会有 「本文结束符」字符 3 或 「传输结束符」字符 4，应该对这两种情况加以特殊判断：

if(chars[i]==3||chars[i]==4)
	break;