poi读取word文档中内容

poi  读取word文档中内容

package com.test.document.util;

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

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;

public class ReadWordUtil {

    public static void main(String[] args) throws Exception {
        String path = "c:\\Oracle安装和配置.doc";        
        String context = readWord(path);
        System.out.println(context);
    }

    /**
     * 读取word 中文本数据,采用poi读取 poi 版本3.8
     *
     * @param path
     *            word文档路径
     * @return
     */
    public static String readWord(String path) {

        InputStream is = null;
        String content = "";
        String suffix = path.substring(path.lastIndexOf(".") + 1);
        try {
            if (suffix.equals("doc")) {
                // word 2003： 图片不会被读取
                is = new FileInputStream(new File(path));
                WordExtractor ex = new WordExtractor(is);// is是WORD文件的InputStream
                content = ex.getText().trim();
            } else if (suffix.equals("docx")) {
                // word 2007 图片不会被读取， 表格中的数据会被放在字符串的最后
                OPCPackage opcPackage = POIXMLDocument.openPackage(path);
                POIXMLTextExtractor extractor = new XWPFWordExtractor(
                        opcPackage);
                content = extractor.getText().trim();
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (is != null) {
                try {
                    is.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
        return content;
    }
}

注意：poi 版本为3.8，我资源中心可以下载。