Java POI 读取word文件

Apache POI是Apache软件基金会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。

1.读取word 2003及word 2007需要的jar包

　　读取 2003 版本(.doc)的word文件相对来说比较简单，只需要 poi-3.5-beta6-20090622.jar 和 poi-scratchpad-3.5-beta6-20090622.jar 两个 jar 包即可， 而 2007 版本(.docx)就麻烦多，我说的这个麻烦不是我们写代码的时候麻烦，是要导入的 jar 包比较的多，有如下 7 个之多：
 1. openxml4j-bin-beta.jar
 2. poi-3.5-beta6-20090622.jar
 3. poi-ooxml-3.5-beta6-20090622.jar
 4 .dom4j-1.6.1.jar
 5. geronimo-stax-api_1.0_spec-1.0.jar
 6. ooxml-schemas-1.0.jar
 7. xmlbeans-2.3.0.jar

其中 4-7 是 poi-ooxml-3.5-beta6-20090622.jar 所依赖的 jar 包（在 poi-bin-3.5-beta6-20090622.tar.gz 中的 ooxml-lib 目录下可以找到）。

2.换行符号

　　硬换行：文件中换行，如果是键盘中使用了"enter"的换行。

　　软换行：文件中一行的字符数容量有限，当字符数量超过一定值时，会自动切到下行显示。

　　对程序来说，硬换行才是可以识别的、确定的换行，软换行与字体大小、缩进有关。

3.读取的注意事项

　　值得注意的是： POI 在读取不会读取 word 文件中的图片信息； 还有就是对于 2007 版的 word(.docx), 如果 word 文件中有表格，所有表格中的数据都会在读取出来的字符串的最后。

// 读取doc文件

@SuppressWarnings("resource")
public static String readWORD2003(File file) {
StringBuffer result = new StringBuffer();
try {
InputStream is = new FileInputStream(file);
result = result.append(new WordExtractor(is).getText());//用poi获取Word的各种内容，如标题，正文
is.close();
} catch (Exception e) {
e.printStackTrace();
}
return JavaScriptUtils.javaScriptEscape(result.toString());
}


// 读取docx文件
public static String readWORD2007(String file) {
    String result="";
        try {
        result=new XWPFWordExtractor(POIXMLDocument.openPackage(file)).getText();
        return JavaScriptUtils.javaScriptEscape(result);
} catch (XmlException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (OpenXML4JException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}   
       return JavaScriptUtils.javaScriptEscape(result);

}

//// 读取pdf文件

1. String result = null;  
2.         FileInputStream is = null;  
3.         PDDocument document = null;  
4.         try {  
5.             is = new FileInputStream(pdfFilePath);  
6.             PDFParser parser = new PDFParser(is);  
7.             parser.parse();  
8.             document = parser.getPDDocument();  
9.             PDFTextStripper stripper = new PDFTextStripper();  
10.             result = stripper.getText(document);  
11.         } catch (FileNotFoundException e) {