JAVA 读取 Doc、Docx 及注意点

通用的读取方法：

读取 doc

private static String contextOfDoc(File file){
    String str = "";try {
    FileInputStream fis = new FileInputStream(file);HWPFDocument doc = new HWPFDocument(fis);str = doc.getDocumentText();doc.close();fis.close();} catch (Exception e) {
    e.printStackTrace();}return str;}

读取 docx

private static String contextOfDocx(File file){
    String str = "";try {
    FileInputStream fis = new FileInputStream(file);XWPFDocument xdoc = new XWPFDocument(fis);XWPFWordExtractor extractor = new XWPFWordExtractor(xdoc);str = extractor.getText();extractor.close();fis.close();} catch (Exception e) {
    e.printStackTrace();}}

注意项

1、两种文件中对换行解释的不同：

.doc 中，换行符是 字符 13 , 即 \r （回车）

.docx 中，换行符是 字符 10 ，即 \n （换行）

Swing 中类似于 JTextPane 的文本域组件，需要将字符 13 转换为字符 10 ，否则无法被识别

2、读取到最后可能会有 「本文结束符」字符 3 或 「传输结束符」字符 4，应该对这两种情况加以特殊判断：

if(chars[i]==3||chars[i]==4)break;