java：解析word文档（前程无忧简历），最好有代码案例？poi或者jacob解析都可以，有jar资源，求急。感谢

Question

如题所述

Answer 1

poi读取前程无忧的简历会打不开的，至少我以前读是这样的，因为他有时候是mht文件直接另存为word文档的，所以保险起见建议用jacob来读，如果他是doc或者是docx文档可以转化为html然后用jsoup来读取，效果挺好的

下面是转化的代码：

package com.java.doc;
import com.jacob.activeX.ActiveXComponent;
import com.jacob.com.Dispatch;
import com.jacob.com.Variant;
public class JacobRead {
   public static void extractDoc(String inputFIle, String outputFile) {
          boolean flag = false;
       
          // 打开Word应用程序
          ActiveXComponent app = new ActiveXComponent("Word.Application");
          try {
             // 设置word不可见
             app.setProperty("Visible", new Variant(false));
             // 打开word文件
             Dispatch doc1 = app.getProperty("Documents").toDispatch();
             Dispatch doc2 = Dispatch.invoke(
                   doc1,
                   "Open",
                   Dispatch.Method,
                   new Object[] { inputFIle, new Variant(false),
                         new Variant(true) }, new int[1]).toDispatch();
             // 作为txt格式保存到临时文件
             Dispatch.invoke(doc2, "SaveAs", Dispatch.Method, new Object[] {
                   outputFile, new Variant(7) }, new int[1]);
             // 关闭word
             Variant f = new Variant(false);
             Dispatch.call(doc2, "Close", f);
             flag = true;
          } catch (Exception e) {
             e.printStackTrace();
          } finally {
             app.invoke("Quit", new Variant[] {});
          }
          if (flag == true) {
             System.out.println("Transformed Successfully");
          } else {
             System.out.println("Transform Failed");
          }
       }
     
       public static void main(String[] args) {
       
       
           JacobRead.extractDoc("D:/xxxx简历.doc","D:/e.txt");
       }
}

当然，也可以转化为txt读取，这部分代码没保存，你可以到网上找找，和转化成html的方法大差不差。

然后下面是我以前写的poi读取的方式：

package TestHanLp;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;

import org.apache.poi.POIXMLDocument;
import org.apache.poi.POIXMLTextExtractor;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;


public class Test {

private static String text = "";
public static String  Read(String path) throws Exception{
//解析docx格式的简历
if(path.toLowerCase().endsWith("docx")){

try {
OPCPackage oPCPackage = POIXMLDocument.openPackage(path);
        XWPFDocument xwpf = new XWPFDocument(oPCPackage);
        POIXMLTextExtractor ex = new XWPFWordExtractor(xwpf);
            text=ex.getText();
        oPCPackage.close();
        } 
   catch (FileNotFoundException e) 
       {
        e.printStackTrace();  
       } 
   catch (IOException e) 
       {  
        e.printStackTrace(); 
       } 

}else {

//解析doc格式的简历
if(path.toLowerCase().endsWith("doc")){
FileInputStream fis = new FileInputStream(path);// 载入文档
WordExtractor wordExtractor = new WordExtractor(fis);
    String[] paragraph = wordExtractor.getParagraphText();
    StringBuffer stringBuffer = new StringBuffer();
    for (int i = 0; i < paragraph.length; i++) {
if (null != paragraph[i] && !"".equals(paragraph[i])) {
paragraph[i] = paragraph[i].substring(0, paragraph[i].length() - 1);// 去掉末尾符号
}
stringBuffer.append(paragraph[i]).append("\n");//将每一小段隔开
}
text = stringBuffer.toString();
}
}
return text ;
}
}

望题主采纳

对了，jacob读取word文档的效果比poi号，但运行速度不够，用的时候自己考虑考虑吧