场景：因要处理大量行业数据每个（大部分）单个项目文件中包含一份文档说明部分是txt,另外大部分是doc/docx.
通过 百度得到需要poi方式 读取。
大体是参考此处博主文章：
https://blog.csdn.net/qq_36243824/article/details/71643193
1.下载配置poi的jar。
地址 http://poi.apache.org/download.html 目前最新release 版本是4.0
下载后解压，如图：
image.png
2.编写代码
把这6个poi开头的jar 包导入新建的测试空项目，写如下代码：
public static String getPhoneNum(File filePath) {
String text = "";
String fileName = filePath.getName().toLowerCase();// 得到名字小写
try {
FileInputStream in = new FileInputStream(filePath);
if (fileName.endsWith(".doc")) { // doc为后缀的
WordExtractor extractor = new WordExtractor(in);
text = extractor.getText();
}
if (fileName.endsWith(".docx")) { // docx为后缀的
XWPFWordExtractor docx = new XWPFWordExtractor(new XWPFDocument(in));
text = docx.getText();
}
} catch (Exception e) {
e.printStackTrace();
}
return text;
}
public static void main(String[] args) throws Exception {
File f = new File("E:\\06.doc");
System.out.println(getPhoneNum(f));
}
但是 提示 位于
XWPFWordExtractor docx = new XWPFWordExtractor(new XWPFDocument(in));
有错误：
The type org.apache.xmlbeans.XmlException cannot be resolved. It is indirectly referenced from required .class files
参考了https://stackoverflow.com/questions/23080945/java-lang-classnotfoundexception-org-apache-xmlbeans-xmlexception
的回答，又仔细看了原博主的做法，需要把 下载解压后的ooxm-lib下的jar包加进去。
image.png
运行 仍然报错，如图
image.png
主要是：
Caused by: java.lang.ClassNotFoundException: org.apache.commons.collections4.bidimap.TreeBidiMap
显然是缺少引用，回到下载的poi的jar包，路径中有lib,打开如图：
image.png
3.测试
导入 collections4那个，应用，
测试doc文档，成功打印出
image.png
文档内是
image.png
测试docx文档，
image.png
出错，如图
image.png
显然还是缺少包的引用：
Caused by: java.lang.ClassNotFoundException: org.apache.commons.compress.archivers.zip.ZipFile
查找后到下载地址http://commons.apache.org/proper/commons-compress/download_compress.cgi
当前最新版本是1.1.8版本，下载解压后：
image.png
把第一个jar包配置到项目里，再次执行，成功运行，
image.png
