java读取doc、docx、ppt、pptx、xls、xlsx格式的文件

本文介绍了如何使用Apache POI库在Java中读取doc、docx、ppt、pptx、xls、xlsx格式的文件。强调了不同格式文件需要使用不同的API,并指出不建议通过修改文件后缀名来尝试解析文件。文中详细讲解了word文件、PowerPoint文件的读取方法,并提到了excel文件读取的简易方法。
摘要由CSDN通过智能技术生成

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 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值