【Java】操作doc文件

悠悠 2021-09-26 10:22 370阅读 0赞

## 读取txt文件 ##

在Java里要对文件进行操作，需要用到IO流。

public static void main(String args[]){
            File f = new File("test.txt");
            try {
    // InputStream 处理的是字节流，用read()的话每次读取的是一个byte
                InputStream in  = new FileInputStream(f);
    // InputStreamReader 处理的是字符流，用read()的话每次读取一个字符
                InputStreamReader reader = new InputStreamReader(in,"gbk");
    // BufferReader 处理的是字符流，能够一行一行的读取文件
                BufferedReader bufReader = new BufferedReader(reader);
                int i = 1;
                String line ="";
    // readLine()每用一次读取一行
                while((line = bufReader.readLine()) != null){
                    System.out.println("第"+ i + "行："+line);
                    ++i;
                }
            } catch (FileNotFoundException e) {
                e.printStackTrace();
            } catch (IOException e) {
                e.printStackTrace();
            }
    
        }

输出：  
![这里写图片描述][SouthEast]

## 操作doc文件 ##

读取doc文件如果也用上面的方法的话，中文就会出现乱码：  
![这里写图片描述][SouthEast 1]  
  
要用Java Apache POI才能对doc文件进行操作，使用POI从doc文件读取数据时主要有两种方式：通过WordExtractor读和通过HWPFDocument读。首先先在Maven中引入poi-scratchpad的jar包（如果是docx文件则引入poi-ooxml的jar包 ）

### 使用WordExtractor ###

WordExtractor的功能相比HWPFDocument的功能是要少的，在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的，并且WordExtractor无法修改doc文件。使用WordExtractor读取文件内容：

public static void main(String args[]){
            File f = new File("test.doc");
            try {
                InputStream in = new FileInputStream(f);
                WordExtractor ex = new WordExtractor(in);
                System.out.println(ex.getText());
            } catch (FileNotFoundException e) {
                e.printStackTrace();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }

![这里写图片描述][SouthEast 2]

### 使用HWPFDocument ###

因为我主要是为了修改doc文件的内容，所以用HWPFDocument。将文档中的中文字全部去除：

public static void main(String args[]){
            File f = new File("test.doc");
            try {
                InputStream in = new FileInputStream(f);
                HWPFDocument ex = new HWPFDocument(in);
                Range range = ex.getRange();
                 /** * 匹配中文字符 [\\u4e00-\\u9fa5] * 中文标点符号，、； \\uff1b|\\uff0c|\\u3001 * 括号内容（包括括号） (\\(.*\\)) */ 
                Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]|\\uff1b|\\uff0c|\\u3001|(\\(.*\\))",Pattern.CASE_INSENSITIVE);
                Matcher matcher = pattern.matcher(range.text());
                OutputStream os = new FileOutputStream(f);
             // 找到中文字符并替换为“” 即删除
                while (matcher.find( )) {
                    range.replaceText(matcher.group(),"");
                }
             // 将修改后的内容重新写入文档中
                ex.write(os);
                os.close();
                in.close();
            } catch (FileNotFoundException e) {
                e.printStackTrace();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }

修改前：  
![这里写图片描述][SouthEast 3]

修改后：  
![这里写图片描述][SouthEast 4]

做这个功能是为了背单词，而一个文档5500个单词，308页内容，一个一个删除中文太麻烦了，所以想到了用代码实现

> 参考资料：[http://www.jb51.net/article/101910.htm][http_www.jb51.net_article_101910.htm]

[SouthEast]: /images/20210923/690ed9c26f9845dfabceeadb1d0ccad6.png
[SouthEast 1]: /images/20210923/26073b6fdc10458396f4a885dd16943d.png
[SouthEast 2]: /images/20210923/7c6fa9af7b6e4ef4b9c430a286d31bae.png
[SouthEast 3]: /images/20210923/71936151ce9549318c0c8ad41380d7ce.png
[SouthEast 4]: /images/20210923/b3821aa92b0d4a719a421e9e54910ea8.png
[http_www.jb51.net_article_101910.htm]: http://www.jb51.net/article/101910.htm