超級頑固的流方式讀取doc,docx亂碼問題

　　因為工作中需要一個把doc或者docx的office文檔內容，需要讀取出來，並且也沒展示功能。代碼中第一考慮可能就是通過讀取流方式，結果寫了以后，各種亂碼，百科的解決方案也是千奇百怪，第一點：可能是文檔編碼格式和項目編碼格式不一致，需要重新再讀取流時候，重新定義流的編碼格式；第二點：可能是框架層面直接調用解析方式，但是框架封裝沒有聲明編碼格式；第三點：就是在轉成流在重建字符串時候，需要聲明編碼格式。總之，就是編碼格式不一致導致。

　　當然問題不止這么簡單，如果是其他格式的話，可以通過編碼格式解決，但是這是office的文檔格式，出奇的難受，愣是編碼不通過。

　　所以需要換一個思路進行文檔解析，從中獲取需要的內容。

　　最后的確定法方案，通過POI方式，進行office文檔解析。

第一步 mavne項目中需要引入的jar包

        <!--docx文件下載問題-->
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-scratchpad</artifactId>
            <version>3.8</version>
        </dependency>
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.6</version>
        </dependency>

需要注意事項是，高版本的POI包，有些不兼容情況，對於下面這個commons-io包一定要引入，要不然會報錯POI中某個類找尋不到問題。

第二步 新建一個doc解析類

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 java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;

/**
 * @author admin
 * @date 2019/12/4 16:23
 */
public class WordDownload {

    /**
     * @Description: POI 讀取  word
     * @create: 2019-07-27 9:48
     * @update logs
     * @throws Exception
     */
    public static String readWord(String filePath) throws Exception{

        File file = new File(filePath);
        if(file.length()==0) return ""; // 需要操作原因是可能會空文件問題，如果不做處理，在下面讀取中會報錯
        StringBuffer sb = new StringBuffer();
        String buffer = "";
        try {
            if (filePath.endsWith(".doc")) {
                InputStream is = new FileInputStream(file);
                WordExtractor ex = new WordExtractor(is);
                buffer = ex.getText();
                if(buffer.length() > 0){
                    //使用回車換行符分割字符串
                    String [] arry = buffer.split("\\r\\n");
                    for (String string : arry) {
                        sb.append(string.trim());
                    }
                }
            } else if (filePath.endsWith(".docx")) {
                OPCPackage opcPackage = POIXMLDocument.openPackage(filePath);
                POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);
                buffer = extractor.getText();
                if(buffer.length() > 0){
                    //使用換行符分割字符串
                    String [] arry = buffer.split("\\n");
                    for (String string : arry) {
                        sb.append(string.trim());
                    }
                }
            } else {
                return null;
            }
            return sb.toString();
        } catch (Exception e) {
            System.out.print("error---->"+filePath);
            e.printStackTrace();
            return null;
        }
    }

}