Java中利用POI库读取Doc和Docx文件的方法

在深入探索Java IO流的过程中，遇到了一个挑战：如何确保从Doc文件中读取的内容不会出现乱码。起初，我以为这可能是由于方法不当导致的，但经过测试后发现，即使按照标准流程操作，问题依旧存在。通过进一步的研究，我了解到对于Doc和Excel等Office文件，不能仅依赖于普通的IO流来处理，而应该使用Apache POI库。

### 引入必要的库
为了能够正确地读取Doc和Docx文件，我们需要分别引入不同的POI库。对于Doc文件，需要引入`poi-scratchpad`及其相关依赖；而对于Docx文件，则需引入`poi-ooxml`及其相关依赖。如果你的项目是基于Maven构建的，可以通过以下配置自动引入这些依赖：

```xml


org.apache.poi
poi-ooxml
3.8


org.apache.poi
poi-scratchpad
3.8


```

### 读取文件的代码示例
#### Doc文件读取
下面是一个简单的示例，展示了如何使用POI库读取Doc文件的内容：

```java
public static void readDocFile() {
try {
File file = new File("path/to/your/file.doc");
FileInputStream fis = new FileInputStream(file);
HWPFDocument document = new HWPFDocument(fis);
String text = document.getDocumentText();
System.out.println(text);
fis.close();
} catch (Exception e) {
e.printStackTrace();
}
}
```

#### Docx文件读取
对于Docx文件，读取过程略有不同，这里提供了一个简单的示例：

```java
public static void readDocxFile() {
try {
File file = new File("path/to/your/file.docx");
FileInputStream fis = new FileInputStream(file);
XWPFDocument document = new XWPFDocument(fis);
XWPFWordExtractor extractor = new XWPFWordExtractor(document);
String text = extractor.getText();
System.out.println(text);
fis.close();
} catch (Exception e) {
e.printStackTrace();
}
}
```

以上代码片段展示了如何通过Apache POI库来读取Doc和Docx文件，并解决了乱码问题。希望这些信息对您有所帮助。如果您有任何疑问或需要进一步的帮助，欢迎留言交流。