把word内容提取纯文本放到excel

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.13</version>
</dependency>
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.13</version>
</dependency>
 /**
     * 创建excel
     * @param srcPath word所在文件夹路径
     * @return
     */
    public Workbook getData(String srcPath){
        XSSFWorkbook wb = new XSSFWorkbook();
        Sheet sheet = wb.createSheet("信息");
        Row row = sheet.createRow(0);
        String[] headers={"文件名", "正文"};
        Cell cell = null;
//合并单元格
//        CellRangeAddress region = new CellRangeAddress(0,0,1,2);
//        sheet.addMergedRegion(region);
//添加表头
        for(int i=0;i<headers.length;i++){
            cell = row.createCell(i);
            cell.setCellValue(headers[i]);
        }
        int i = 1;
        getText(srcPath, sheet, i);
        return wb;
    }

    /**
     * 把word内容转换成纯文本,放进excel格子中
     * @param srcPath word文件所在文件夹
     * @param sheet 创建的excel
     * @param i excel的第几行
     * @return
     */
    private int getText(String srcPath, Sheet sheet, int i) {
        File file = new File(srcPath);
        Tika tika = new Tika();
        if (file.isDirectory()) {
            File[] files = file.listFiles();
            for (File file1 : files) {
                try {
                    if (file1.isDirectory()) {
                        i = getText(file1.getAbsolutePath(), sheet, i);
                    } else {
                        String fileName = file1.getName();
                        if (fileName.contains("~$")) {
                            continue;
                        }
                        if (fileName.endsWith("doc") || fileName.endsWith("docx") || fileName.endsWith("wps")) {
                           
                            //获取word中的纯文本
                            String text = tika.parseToString(file1);
                            Row row = sheet.createRow(i);
                            row.createCell(0).setCellValue(fileName);
                            row.createCell(1).setCellValue(text);
                            i++;
                        }
                    }
                }catch (Exception e){
//                    System.out.println("错误" + file1.getAbsolutePath());
//                    e.printStackTrace();

                }
            }
        }
        return i;
    }

    /**
     * 把excel保存在本地
     * @param src word文件所在文件夹
     * @param des 保存文件完整文件名,test.xlsx
     */
    public void saveLocal(String src, String des){
        OutputStream outputStream = null;
        try {
            Workbook workbook = getData(src);
            outputStream = new FileOutputStream(des);
            workbook.write(outputStream);
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (outputStream != null){
                try {
                    outputStream.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }

问题:

1、旧版本的word文件不能转换,比如word2003;

2、excel单元格的最多只放 32,767字符。尝试合并单元格并不能解决这个问题

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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