java读取doc、docx、ppt、pptx、xls、xlsx格式的文件

前言：

通常我们用apache 的POI库对以上文档进行操作，apache POI官网
apache POI官网
这里推荐到官网下载导入到项目，maven下载的它会缺少几个包。
格式上后缀带x（docx、pptx、xlsx）是不带x（doc、ppt、xls）的拓展，在体积更小，功能更强，安全性更高，如果用不带x格式强制打开带x格式的，可能会丢失少量数据，因此，poi在操作这俩类文件时，是用不同系列的包的，注意，文件本身是什么格式的，就是什么格式的，不可以去解析那些通过修改文件后缀名格式的文件（ 比如原本你的文件是doc格式，你强制修改后缀为docx，那么这时你是无法用docx的包去解析该文件的）。

word文件读取

从下图中可以看到，如果用doc处理方法去处理docx文档，它会告诉你该文档本身是ooxml文档，即docx文档，无法处理

public static String readDoc(String path) throws Exception {
   
   StringBuffer content = new StringBuffer("");// 文档内容
   HWPFDocument doc = new HWPFDocument(new FileInputStream(path));
   Range range = doc.getRange();
   int paragraphCount = range.numParagraphs();// 段落
   for (int i = 0; i < paragraphCount; i++) {
   // 遍历段落读取数据
   Paragraph pp = range.getParagraph(i);
    content.append(pp.text());
   }
   return content.toString().trim();
   }

从下图中我们可以看到，用解析doc的包解析docx会报错，官方提示你可以用HSSF的包来解析docx，这里我们用另一高效的处理类（ooxml）来处理docx格式，当然，该类目前还不成熟和稳定。

 //docx格式，主要用ooxml包读取
 public static String readDocx(String path) throws Exception