Solution of ArrayIndexOutOfBoundsException while extractor Microsoft Format Files with POI

这两天在用POI提取 Microsoft 格式文档的内容的时候莫名其妙的遇到了一个问题，困扰了我3天：

 我的POI版本为：

poi-3.0.2-FINAL-20080204.jar；

poi-contrib-3.0.2-FINAL-20080204.jar；

poi-scratchpad-3.0.2-FINAL-20080204.jar；

开发环境为：jdk1.6；

 IDE为Eclipse3.2；

以下是我提取excel格式文本的程序：

   HSSFWorkbook book = new HSSFWorkbook(is);

   int sheetNumber = book.getNumberOfSheets();// 获取excel文件中的表单数量

   for (int i = 0; i < sheetNumber; i++) {
    if (book.getSheetAt(i) != null) {
     HSSFSheet sheet = book.getSheetAt(i);// 读取第i个表单
     int totalRow = sheet.getPhysicalNumberOfRows();// 表单含有的行的数目
     for (int j = 0; j < totalRow; j++) {
      if (sheet.getRow(j) != null) {
       HSSFRow row = sheet.getRow(j);// 读取第i个表单的第j行
       for (short cellNumOfRow = 0; cellNumOfRow < row
         .getPhysicalNumberOfCells(); cellNumOfRow++) {
        if (row.getCell(cellNumOfRow) != null) {
         HSSFCell cell = row.getCell(cellNumOfRow);

         int cellType = cell.getCellType();// 获取单元格类型
         switch (cellType) {
         case HSSFCell.CELL_TYPE_NUMERIC:// 类型为double
          str.append(cell.getNumericCellValue())
            .append(separator);
          break;

         case HSSFCell.CELL_TYPE_STRING:// 类型为string
          str.append(cell.getStringCellValue())
            .append(separator);
          break;

         default:// 其他类型格式不进行提取
          break;
         }
        }
       }
      }
     }
    }
   }

 

以下是我提取ppt文档文本内容的程序：

StringBuffer pptText = new StringBuffer("");
   SlideShow ss = new SlideShow(new HSLFSlideShow(is));// 通过is输入流建立SlideShow
   Slide[] slides = ss.getSlides();// 获取每一张幻灯片
   for (int i = 0; i < slides.length; i++) {
    TextRun[] t = slides[i].getTextRuns();// 获取幻灯片中文字内容
    for (int j = 0; j < t.length; j++) {
     pptText.append(t[j].getText());
    }
   }

 

但是最开始我发现每次运行这两个程序的时候都会出现异常：ArrayIndexOutOfBoundsException。

具体描述如下：

Exception in thread "main" java.lang.ArrayIndexOutOfBoundsException: 8
at org.apache.poi.util.HexDump.toHex(HexDump.java:406)
at org.apache.poi.util.HexDump.toHex(HexDump.java:397)
at
org.apache.poi.hpsf.UnsupportedVariantTypeException.<init>(UnsupportedVariantTypeException.java:46)
at
org.apache.poi.hpsf.ReadingNotSupportedException.<init>(ReadingNotSupportedException.java:45)
at org.apache.poi.hpsf.VariantSupport.read(VariantSupport.java:267)
at org.apache.poi.hpsf.Property.<init>(Property.java:146)
at org.apache.poi.hpsf.Section.<init>(Section.java:281)
at org.apache.poi.hpsf.PropertySet.init(PropertySet.java:452)
at org.apache.poi.hpsf.PropertySet.<init>(PropertySet.java:249)
at org.apache.poi.hpsf.PropertySetFactory.create(PropertySetFactory.java:59)
at org.apache.poi.hslf.HSLFSlideShow.getPropertySet(HSLFSlideShow.java:214)
at org.apache.poi.hslf.HSLFSlideShow.readProperties(HSLFSlideShow.java:182)
at org.apache.poi.hslf.HSLFSlideShow.<init>(HSLFSlideShow.java:105)
at org.apache.poi.hslf.HSLFSlideShow.<init>(HSLFSlideShow.java:85)
at org.apache.poi.hslf.HSLFSlideShow.<init>(HSLFSlideShow.java:72)
at

无论我采取任何的其他构造方式都会出现同样的错误，我想到这个可能是一个尚未修正的bug，我去poi官网上面的mail-list进行查找发现很多人都反映这个问题（不是个体原因）。终于我发现了这个问题的根源所在：

 首先确认你的程序使用是你所导入的poi版本

import org.apache.poi.hslf.extractor.*;
public class TestWherePPT {
public static void main(String[] args) throws Exception {
Class extractorClass = PowerPointExtractor.class;
ClassLoader loader = extractorClass.getClassLoader();
String extractorFrom =
loader.getResource("org/apache/poi/hslf/extractor/PowerPointExtractor.class").toString();
String hpsfFrom =
loader.getResource("org/apache/poi/hpsf/PropertySet.class").toString();
System.out.println(extractorFrom);
System.out.println(hpsfFrom);
}
}

jar:file:/C:/opt/eclipse-rc/eclipse/workspace/project/lib/textmining/poi-scratchpad-3.0.2-FINAL-20080204.jar!/org/apache/poi/hslf/extractor/PowerPointExtractor.class

jar:file:/C:/opt/eclipse-rc/eclipse/workspace/project/lib/textmining/poi-3.0.2-FINAL-20080204.jar!/org/apache/poi/hpsf/PropertySet.class

确认版本，如果显示的版本不是你所认为的版本，请检查classpath看是否含有poi的其他版本。如果含有请将其去除，问题如果还是没有解决请查看你的classpath中间导入的poi的jar文件是否位于最后，如下是我的project中的classpath的位置：

如图所示我的poi文件位于classpath的最后，这个时候运行就会出现上述的ArrayIndexOutOfBoundsException，我将classpath中的jar文件位置进行调换使得poi文件不位于classpath的最后，如下：

 

这个时候异常就不会再出现了。在poi的bug列表里面这个bug为 36416，有兴趣可以去fix一下。