`
sundful
  • 浏览: 1251269 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

POI 关于对 ms word的读写代码

    博客分类:
  • Java
阅读更多
public class WordExtractor {   
    public WordExtractor() {   
    }   
  
    public String extractText(InputStream in) throws IOException {   
        ArrayList text = new ArrayList();   
        POIFSFileSystem fsys = new POIFSFileSystem(in);   
  
        DocumentEntry headerProps = (DocumentEntry) fsys.getRoot().getEntry("WordDocument");   
        DocumentInputStream din = fsys.createDocumentInputStream("WordDocument");   
        byte[] header = new byte[headerProps.getSize()];   
  
        din.read(header);   
        din.close();   
        // Prende le informazioni dall'header del documento   
        int info = LittleEndian.getShort(header, 0xa);   
  
        boolean useTable1 = (info & 0x200) != 0;   
  
        //boolean useTable1 = true;   
           
        // Prende informazioni dalla piece table   
        int complexOffset = LittleEndian.getInt(header, 0x1a2);   
        //int complexOffset = LittleEndian.getInt(header);   
           
        String tableName = null;   
        if (useTable1) {   
            tableName = "1Table";   
        } else {   
            tableName = "0Table";   
        }   
  
        DocumentEntry table = (DocumentEntry) fsys.getRoot().getEntry(tableName);   
        byte[] tableStream = new byte[table.getSize()];   
  
        din = fsys.createDocumentInputStream(tableName);   
  
        din.read(tableStream);   
        din.close();   
  
        din = null;   
        fsys = null;   
        table = null;   
        headerProps = null;   
  
        int multiple = findText(tableStream, complexOffset, text);   
  
        StringBuffer sb = new StringBuffer();   
        int size = text.size();   
        tableStream = null;   
  
        for (int x = 0; x < size; x++) {   
               
            WordTextPiece nextPiece = (WordTextPiece) text.get(x);   
            int start = nextPiece.getStart();   
            int length = nextPiece.getLength();   
  
            boolean unicode = nextPiece.usesUnicode();   
            String toStr = null;   
            if (unicode) {   
                toStr = new String(header, start, length * multiple, "UTF-16LE");   
            } else {   
                toStr = new String(header, start, length, "ISO-8859-1");   
            }   
            sb.append(toStr).append(" ");   
  
        }   
        return sb.toString();   
    }   
  
    private static int findText(byte[] tableStream, int complexOffset, ArrayList text)   
        throws IOException {   
        //actual text   
        int pos = complexOffset;   
        int multiple = 2;   
        //skips through the prms before we reach the piece table. These contain data   
        //for actual fast saved files   
        while (tableStream[pos] == 1) {   
            pos++;   
            int skip = LittleEndian.getShort(tableStream, pos);   
            pos += 2 + skip;   
        }   
        if (tableStream[pos] != 2) {   
            throw new IOException("corrupted Word file");   
        } else {   
            //parse out the text pieces   
            int pieceTableSize = LittleEndian.getInt(tableStream, ++pos);   
            pos += 4;   
            int pieces = (pieceTableSize - 4) / 12;   
            for (int x = 0; x < pieces; x++) {   
                int filePos =   
                    LittleEndian.getInt(tableStream, pos + ((pieces + 1) * 4) + (x *<IMG src="/images/smiles/icon_cool.gif">+ 2);   
                boolean unicode = false;   
                if ((filePos & 0x40000000) == 0) {   
                    unicode = true;   
                } else {   
                    unicode = false;   
                    multiple = 1;   
                    filePos &= ~(0x40000000); //gives me FC in doc stream   
                    filePos /= 2;   
                }   
                int totLength =   
                    LittleEndian.getInt(tableStream, pos + (x + 1) * 4)   
                        - LittleEndian.getInt(tableStream, pos + (x * 4));   
  
                WordTextPiece piece = new WordTextPiece(filePos, totLength, unicode);   
                text.add(piece);   
  
            }   
  
        }   
        return multiple;   
    }   
    public static void main(String[] args){   
        WordExtractor w  = new WordExtractor();   
        POIFSFileSystem ps = new POIFSFileSystem();   
        try{   
               
            File file = new File("C:\\test.doc");   
               
            InputStream in = new FileInputStream(file);   
            String s = w.extractText(in);   
            System.out.println(s);   
       
               
        }catch(Exception e){   
            e.printStackTrace();   
        }   
                   
    }   
  
}   
class WordTextPiece {   
    private int _fcStart;   
    private boolean _usesUnicode;   
    private int _length;   
  
    public WordTextPiece(int start, int length, boolean unicode) {   
        _usesUnicode = unicode;   
        _length = length;   
        _fcStart = start;   
    }   
    public boolean usesUnicode() {   
        return _usesUnicode;   
    }   
  
    public int getStart() {   
        return _fcStart;   
    }   
    public int getLength() {   
        return _length;   
    }   
  
}  

public boolean writeWordFile(String path, String content) {   
    boolean w = false;   
    try {   
  
    //  byte b[] = content.getBytes("ISO-8859-1");   
        byte b[] = content.getBytes();   
           
        ByteArrayInputStream bais = new ByteArrayInputStream(b);   
  
        POIFSFileSystem fs = new POIFSFileSystem();   
        DirectoryEntry directory = fs.getRoot();   
  
        DocumentEntry de = directory.createDocument("WordDocument", bais);   
  
        FileOutputStream ostream = new FileOutputStream(path);   
  
        fs.writeFilesystem(ostream);   
           
        bais.close();   
        ostream.close();   
  
    } catch (IOException e) {   
        e.printStackTrace();   
    }   
  
    return w;   
}  

当然这几个jar是少不了的
poi-2.5.1-final-20040804.jar
poi-contrib-2.5.1-final-20040804.jar
poi-scratchpad-2.5.1-final-20040804.jar
分享到:
评论

相关推荐

    poi完美word转html

    其中,POI-HSSF组件用于读写MS Excel(.xls)文件,而POI-XSSF组件则用于读写Office Open XML(.xlsx)文件。POI-OOXML组件提供了对Office Open XML文件的支持,包括Word(.docx)、Excel(.xlsx)和PowerPoint(....

    poi word 打印

    "poiDemo"可能包含基本的读写操作,而"poi2word"可能进一步展示了如何将数据从其他格式(如CSV或数据库)导入到Word文档中,或者将Word文档的内容导出到其他格式。 6. **最佳实践** - 使用try-with-resources语句...

    java manipulate MS Word

    Apache POI是广泛使用的Java库,它支持对Microsoft Office格式的文件进行读写操作,包括Word(.doc和.docx)。使用POI,我们可以创建新的Word文档,添加文本、图片、表格,甚至执行复杂的格式化任务。例如,以下代码...

    poi实现合并word文档共4页.pdf.zip

    Apache POI是一个开源项目,它提供了API来读取、写入和修改MS Office文件。POI支持HSSF(Horrible Spreadsheet Format)用于处理Excel文件,XSSF(XML Spreadsheet Format)用于Excel 2007以上的版本,HWPF...

    java使用poi解密excel文件的实例代码

    简而言之,您可以使用 Java 读写 MS Excel 文件,可以使用 Java 读写 MS Word 和 MS PowerPoint 文件。本代码实例是使用java语言写的poi解密excel文件实例代码,代码只实现了.xls类型的excel,.xlsx类型的excel只需...

    poi实现word动态传参

    在IT行业中,Apache POI是一个广泛应用的库,主要用于读写Microsoft Office格式的文件,如Word、Excel和PowerPoint。在本场景中,我们关注的是如何使用Apache POI来实现Word文档的动态传参功能,这通常涉及到模板...

    java利用poi对Excel进行读写操作支持多sheet格式

    Apache POI是一个开源项目,它提供了API来创建、修改和显示MS Office文件,包括Excel(XLS和XLSX)、Word(DOC和DOCX)以及PowerPoint(PPT和PPTX)。在处理Excel文件时,我们主要关注的是HSSF(用于处理旧版的BIFF8...

    java 使用POI框架读写excel doc

    以上就是使用Java的Apache POI框架读写Excel和Word文档的基本操作。实际应用中,你可能需要处理更复杂的情况,如样式设置、公式计算、图表操作等,这都需要进一步学习POI提供的高级API。在实践中不断探索和学习,你...

    java word文档读取;Apache_POI_API.rar;jacob.jar;poi-3.0.2.rar

    在"poi-3.0.2.rar"中,包含了Apache POI的3.0.2版本,这个版本支持对早期的Word格式(.doc)进行操作。 首先,我们需要了解Apache POI的基本使用。在Java程序中,我们导入必要的POI库,然后使用`HWPFDocument`类来...

    poi-3.71 word 生成工具

    Apache POI提供了一套API,允许程序员在Java环境中读写MS Office格式的文件,极大地拓展了Java在办公自动化领域的应用。 Apache POI 3.71是该项目的一个稳定版本,包含了对HSSF(Horizontally Stored Format)和...

    Java利用poi对word插入文字图片.pdf

    Apache POI是一个开源项目,它提供了Java API来读取、创建、修改MS Office格式的文件。对于Word文档,POI提供了XWPFDocument类来处理.docx格式的文件。 2. **XWPFDocument类** `XWPFDocument`是Apache POI中的...

    poi-ooxml-3.9-sources.jar.zip_excel poi_hugeigz_poi ooxml 3.9.ja

    POI是Java开发者用来读写MS Office文档的主要工具。其中,对Excel的支持主要通过HSSF(Horrible Spreadsheet Format)和XSSF(XML Spreadsheet Format)两个API来实现。HSSF用于处理老版的BIFF格式,而XSSF则用于...

    POI 中文学习文档(.doc)

    Apache POI 是一个Java库,专门用于读写Microsoft Office格式的文件,特别是Excel。在描述中提到的HSSF是POI中的一个接口,用于处理MSExcel的对象,这意味着它允许开发者在Java环境中创建、修改和读取Excel文件。...

    POI最新Jar包Excel

    2. 提供了对Word文档的读写支持,包括段落、表格、图片和样式。 3. 强大的API设计,使得操作Office文档变得简单易行。 4. 兼容性好,能够处理多种版本的Office文件。 5. 优化的性能,减少了内存占用,提高了处理大型...

    poi-ooxml-schemas-3.9.jar_jb51_POI_

    2. "去脚本之家看看.url":这可能是一个链接,指向脚本之家网站,该网站可能提供了关于Apache POI或"poi-ooxml-schemas-3.9.jar"的教程、示例代码或资源,帮助开发者更好地理解和使用这个库。 3. "服务器软件.url":...

    poi_poi文件_

    Apache POI是Java领域用于处理Microsoft Office格式文档的开源库,尤其在Excel文件的读写方面表现出色。本文将深入探讨如何使用Apache POI库来读取和操作Excel文件,并结合POI-XML模块进行详细讲解。 Apache POI...

    POI导入测试用数据users.xls

    简而言之,您可以使用Java读写MS Excel文件。此外,您还可以使用Java读取和写入MS Word和MS PowerPoint文件。Apache POI是您的Java Excel解决方案(适用于Excel 97-2008)。我们有一个完整的API用于移植其他OOXML和...

    poi3.7支持中文编码

    标题中的“poi3.7支持中文编码”指的是Apache POI库在版本3.7中对中文字符编码的支持,使得Java程序能够正确处理包含中文的Microsoft Office文档,如Excel、PowerPoint和Word。Apache POI是一个开源项目,它提供了一...

    java office(word)文档读写jar

    Apache POI是Apache软件基金会的一个开源项目,主要为Java平台提供了API,用于创建、修改和显示MS Office格式的文件,包括Word(.doc和.docx)、Excel(.xls和.xlsx)和PowerPoint(.ppt和.pptx)。在Java中,如果你...

    Android应用源码利用poi将内容填到word模板源码.zip

    为了解决这个问题,开发者可能已经对POI进行了优化或者使用了第三方库,如docx4j,这些库专为移动端进行了调整。 这个源码示例中,关键步骤可能包括: 1. **创建Word文档对象**:通过XWPFDocument类实例化一个Word...

Global site tag (gtag.js) - Google Analytics