超级顽固的流方式读取doc,docx乱码问题

  因为工作中需要一个把doc或者docx的office文档内容,需要读取出来,并且也没展示功能。代码中第一考虑可能就是通过读取流方式,结果写了以后,各种乱码,百科的解决方案也是千奇百怪,第一点:可能是文档编码格式和项目编码格式不一致,需要重新再读取流时候,重新定义流的编码格式;第二点:可能是框架层面直接调用解析方式,但是框架封装没有声明编码格式;第三点:就是在转成流在重建字符串时候,需要声明编码格式。总之,就是编码格式不一致导致。

  当然问题不止这么简单,如果是其他格式的话,可以通过编码格式解决,但是这是office的文档格式,出奇的难受,愣是编码不通过。

  所以需要换一个思路进行文档解析,从中获取需要的内容。

最后的确定法方案,通过POI方式,进行office文档解析。

第一步 mavne项目中需要引入的jar包

       

       

            org.apache.poi

            poi-scratchpad

            3.8

       

       

            commons-io

            commons-io

            2.6

       

需要注意事项是,高版本的POI包,有些不兼容情况,对于下面这个commons-io包一定要引入,要不然会报错POI中某个类找寻不到问题。

第二步 新建一个doc解析类

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;

import java.io.File;

import java.io.FileInputStream;

import java.io.InputStream;

/**

* @author admin

* @date 2019/12/4 16:23

*/

public class WordDownload {

    /**

    * @Description: POI 读取  word

    * @create: 2019-07-27 9:48

    * @update logs

    * @throws Exception

    */

    public static String readWord(String filePath) throws Exception{

        File file = new File(filePath);

        if(file.length()==0) return ""; // 需要操作原因是可能会空文件问题,如果不做处理,在下面读取中会报错

        StringBuffer sb = new StringBuffer();

        String buffer = "";

        try {

            if (filePath.endsWith(".doc")) {

                InputStream is = new FileInputStream(file);

                WordExtractor ex = new WordExtractor(is);

                buffer = ex.getText();

                if(buffer.length() > 0){

                    //使用回车换行符分割字符串

                    String [] arry = buffer.split("\\r\\n");

                    for (String string : arry) {

                        sb.append(string.trim());

                    }

                }

            } else if (filePath.endsWith(".docx")) {

                OPCPackage opcPackage = POIXMLDocument.openPackage(filePath);

                POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);

                buffer = extractor.getText();

                if(buffer.length() > 0){

                    //使用换行符分割字符串

                    String [] arry = buffer.split("\\n");

                    for (String string : arry) {

                        sb.append(string.trim());

                    }

                }

            } else {

                return null;

            }

            return sb.toString();

        } catch (Exception e) {

            System.out.print("error---->"+filePath);

            e.printStackTrace();

            return null;

        }

    }

}

 

你可能感兴趣的:(超级顽固的流方式读取doc,docx乱码问题)