使用java从doc中提取嵌入文件答案

【问题标题】：Extract embedded files from doc using java使用java从doc中提取嵌入文件
【发布时间】：2014-01-29 00:28:23
【问题描述】：

我正在使用 poi 库来处理 MS 文件。为了提取docx、xlsx和pptx的嵌入ole对象，我使用方法：PackagePart pp = src.getAllEmbedds()但是对于doc、xls和ppt等MS文件的旧格式，没有这种方法。所以我正在使用提取器：POITextExtractor[] embeddedExtractors = ExtractorFactory.getEmbededDocsTextExtractors(oleTextExtractor); 但这只能提取文本而不是整个文件。谁能帮我提取 doc、ppt 和 xls 文件？

【问题讨论】：

标签： java apache-poi

【解决方案1】：

OLE2 文件包括大多数Microsoft Office 文件，例如XLS、DOC 和PPT 以及MFC 基于序列化API 的文件格式。 Office OpenXML 格式 是 Microsoft Office 2007 和 2008 中基于新标准的 XML 文件格式。这包括XLSX、DOCX 和PPTX。

对于每个 MS Office 应用程序，都有一个组件模块，它试图为 OLE2 和 提供一个通用的高级 Java api >OOXML 文档格式。

见

【讨论】：

【解决方案2】：

import java.io.File;
import java.io.FileOutputStream;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;

import org.apache.poi.hssf.usermodel.HSSFObjectData;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.poifs.filesystem.DirectoryNode;
import org.apache.poi.poifs.filesystem.DocumentEntry;
import org.apache.poi.poifs.filesystem.Entry;
import org.apache.poi.poifs.filesystem.NPOIFSFileSystem;
import org.apache.poi.util.IOUtils;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;

public class TestEmbedded {
   public static void main(String[] args) throws Exception {
       String path = "ParentExcel.xls";
       File file = new File(path);

       NPOIFSFileSystem fs = new NPOIFSFileSystem(file);
       HSSFWorkbook wb = new HSSFWorkbook(fs.getRoot(), true);

       for (HSSFObjectData obj : wb.getAllEmbeddedObjects()) {
       System.out.println(obj.getDirectory()+"***************HSSFObject data value************"+obj.getOLE2ClassName());
       String oleName = obj.getOLE2ClassName();
       System.out.println("Has directory Entry node"+obj.hasDirectoryEntry());
       DirectoryNode dn = (DirectoryNode)obj.getDirectory();
       Iterator<Entry> ab = dn.getEntries();
       System.out.println("The entries in the directory node are"+dn.getEntries()+"And also the count"+dn.getEntryCount());

       if(oleName.contains("Worksheet")){

          InputStream is ;
          Entry entry = ab.next();
          is = dn.createDocumentInputStream(entry);
          FileOutputStream fos = new FileOutputStream("EmbeddedWorkbook.xlsx");
          IOUtils.copy(is, fos);
          fos.close();
       }


       }

    }
}

【讨论】：

@Shwetha Prem。我的要求是一样的，唯一的区别是如果文件来自 UI 端作为你知道的多部分文件，任何建议。还有一件事，该文件是嵌入在 excel 单元格中的 doc/docx

【解决方案3】：

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;

import org.apache.poi.hssf.usermodel.HSSFObjectData;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.poifs.filesystem.DirectoryNode;
import org.apache.poi.poifs.filesystem.DocumentEntry;
import org.apache.poi.poifs.filesystem.Entry;
import org.apache.poi.poifs.filesystem.NPOIFSFileSystem;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.apache.poi.util.IOUtils;


public class TestEmbedded {
   public static void main(String[] args) throws Exception {
       String path = "DummyParent.xls";
       File file = new File(path);
       POIFSFileSystem fs = new POIFSFileSystem(new FileInputStream(file));
       HSSFWorkbook wb = new HSSFWorkbook(fs.getRoot(), true);

       for (HSSFObjectData obj : wb.getAllEmbeddedObjects()) {
       System.out.println(obj.getDirectory()+"***************HSSFObject data value************"+obj.getOLE2ClassName());
       String oleName = obj.getOLE2ClassName();
       System.out.println("Has directory Entry node"+obj.hasDirectoryEntry());
       DirectoryNode dn = (DirectoryNode)obj.getDirectory();
       Iterator<Entry> ab = dn.getEntries();
       System.out.println("The entries in the directory node are"+dn.getEntries()+"And also the count"+dn.getEntryCount());

       if(oleName.contains("Worksheet")){
          HSSFWorkbook hssfWorkbook = new HSSFWorkbook(dn,fs,false);
         int number = hssfWorkbook.getNumberOfSheets();
         System.out.println("The number of sheets in the Embedded excel - xls"+number);
       }


       }

    }
}

【讨论】：

您应该编辑您的答案以添加任何相关信息或评论，而不仅仅是评论您自己的答案