POI3.8读取WORD(简洁实例)

目前最新版POI为3.8:
poi-3.8-20120326.jar
poi-examples-3.8-20120326.jar
poi-excelant-3.8-20120326.jar
poi-ooxml-3.8-20120326.jar
poi-ooxml-schemas-3.8-20120326.jar
poi-scratchpad-3.8-20120326.jar

Java代码

 

1. import java.io.FileInputStream;  
2. import java.io.FileOutputStream;  
3. import java.io.IOException;  
4. import java.io.InputStream;  
5.   
6. import javax.servlet.ServletException;  
7. import javax.servlet.http.HttpServlet;  
8. import javax.servlet.http.HttpServletRequest;  
9. import javax.servlet.http.HttpServletResponse;  
10.   
11. import org.apache.poi.hwpf.HWPFDocument;  
12. import org.apache.poi.hwpf.extractor.WordExtractor;  
13. import org.apache.poi.hwpf.model.PicturesTable;  
14. import org.apache.poi.hwpf.usermodel.CharacterRun;  
15. import org.apache.poi.hwpf.usermodel.Picture;  
16. import org.apache.poi.hwpf.usermodel.Range;  
17.   
18.   
19.   
20. public class WordDemo extends HttpServlet {  
21.   
22.     private static final long serialVersionUID = 1L;  
23.   
24.     public void doGet(HttpServletRequest request, HttpServletResponse response)  
25.             throws ServletException, IOException {  
26.         this.doPost(request, response);  
27.     }  
28.   
29.     public void doPost(HttpServletRequest request, HttpServletResponse response)  
30.             throws ServletException, IOException {  
31.           
32.         //从硬盘读取一个doc文档  
33.         InputStream in = new FileInputStream("F:\\test.doc");  
34.         //类从word文档中提取文本,非特殊情况下,都将使用getParagraphText()与getText()  
35.         WordExtractor word = new WordExtractor(in);  
36.           
37.         //获取段文本  
38.         String [] strArray = word.getParagraphText();  
39.         String str = word.getText();    
40.           
41.         for(int i=0 ; i<strArray.length ; i++){  
42.             System.out.println(strArray[i]+"\ti循环:"+i);  
43.         }  
44.         System.out.println(str +"\t --");  
45.           
46.         //这个构造函数从InputStream中加载Word文档。  
47.         HWPFDocument doc = new HWPFDocument((InputStream)new FileInputStream("F:\\test.doc"));  
48.           
49.         //这个类为HWPF对象模型,对文档范围段操作  
50.         Range range = doc.getRange(); //  
51.           
52.         //看看此文档有多少个段落  
53.         int num = range.numParagraphs();  
54.         System.out.println(num+"段");     
55.           
56.         //得到word数据流  
57.         byte [] dataStream = doc.getDataStream();  
58.         System.out.println("数据流长度:"+dataStream.length);  
59.           
60.         //用于在一段范围内获得段落数  
61.         int numChar = range.numCharacterRuns();  
62.         System.out.println("CharacterRuns 数:"+numChar);  
63.            
64.         //负责图像提取  和    确定一些文件某块是否包含嵌入的图像。  
65.         PicturesTable table = new PicturesTable(doc, dataStream, null);  
66.           
67.         for(int j=0 ; j<numChar ; j++){  
68.             //这个类表示一个文本运行，有着共同的属性。  
69.             CharacterRun run = range.getCharacterRun(j);  
70.             //是否存在图片  
71.             boolean bool = table.hasPicture(run);  
72.             System.out.println("是否存在图片:"+bool);  
73.             if(bool){  
74.                 //返回图片对象绑定到指定的CharacterRun  
75.                 Picture pic = table.extractPicture(run, true);  
76.                 //图片的内容字节写入到指定的输出流。  
77.                 pic.writeImageContent(new FileOutputStream("F:\\"+j+".bmp"));  
78.                 System.out.println("成功提取图片"+j+":");  
79.             }  
80.         }  
81.         request.getRequestDispatcher("ok.jsp").forward(request, response);  
82.     }  
83.   
84.   
85. }  

可正常运行及提取图片