Java 异常org.apache.poi.poifs.filesystem.OfficeXmlFileException-apache.poi 4.0.0

我正在尝试阅读Microsoft Word 2016文档，但我无法

private String readDoc(String path) {
String content = "";
try {
    File file = new File(path);
    FileInputStream fis = new FileInputStream(file.getAbsolutePath());

    HWPFDocument doc = new HWPFDocument(fis);

    WordExtractor we = new WordExtractor(doc);
    String[] paragraphs = we.getParagraphText();
    for (String para : paragraphs) {
        content += para.toString();
    }
    fis.close();
    return content;
} catch (Exception e) {
    e.printStackTrace();
}
return content;
}

线程“main”org.apache.poi.poifs.filesystem.OfficeXmlFileException中的异常：提供的数据似乎位于Office 2007+XML中。您正在调用POI中处理OLE2 Office文档的部分。您需要调用POI的不同部分来处理此数据（例如XSSF而不是HSSF）

我不明白。。。为什么它会给我这个例外，因为我没有使用任何XSSF（我想）。

试试这个：

FileInputStream fis = new FileInputStream("test.docx");
XWPFDocument xdoc = new XWPFDocument(OPCPackage.open(fis));
XWPFWordExtractor extractor = new XWPFWordExtractor(xdoc);
System.out.println(extractor.getText());

它可以帮助理解这一点：

POIFS（文件系统的模糊处理实现较差）− 此组件 是所有其他POI元素的基本要素。它是用来阅读的 明确地定义不同的文件

HSSF（可怕的电子表格格式）− 它用于读写.xls MS Excel文件的格式

XSSF（XML电子表格格式）− 它用于的.xlsx文件格式 Excel女士

HPSF（可怕的属性集格式）− 它用于提取属性 MS Office文件集

HWPF（可怕的文字处理器格式）− 它是用来读和写的 .doc MS Word的扩展文件

XWPF（XML字处理器格式）− 它用于读写。docx MS Word的扩展文件

HSLF（可怕的幻灯片布局格式）− 它用于读取、创建和保存数据 编辑PowerPoint演示文稿

HDGF（可怕的图表格式）− 它包含用于 MS Visio二进制文件

HPBF（可怕的出版商格式）− 它是用来读和写的 MS Publisher文件

试试这个：

FileInputStream fis = new FileInputStream("test.docx");
XWPFDocument xdoc = new XWPFDocument(OPCPackage.open(fis));
XWPFWordExtractor extractor = new XWPFWordExtractor(xdoc);
System.out.println(extractor.getText());

它可以帮助理解这一点：

POIFS（文件系统的模糊处理实现较差）− 此组件 是所有其他POI元素的基本要素。它是用来阅读的 明确地定义不同的文件

HSSF（可怕的电子表格格式）− 它用于读写.xls MS Excel文件的格式

XSSF（XML电子表格格式）− 它用于的.xlsx文件格式 Excel女士

HPSF（可怕的属性集格式）− 它用于提取属性 MS Office文件集

HWPF（可怕的文字处理器格式）− 它是用来读和写的 .doc MS Word的扩展文件

XWPF（XML字处理器格式）− 它用于读写。docx MS Word的扩展文件

HSLF（可怕的幻灯片布局格式）− 它用于读取、创建和保存数据 编辑PowerPoint演示文稿

HDGF（可怕的图表格式）− 它包含用于 MS Visio二进制文件

HPBF（可怕的出版商格式）− 它是用来读和写的 MS Publisher文件