JavaPoi读取DocDocx⽂档，附：Linux和Windows下的“回车符”和“换⾏。。。Java 读取Doc/Docx ⽂档：
1. 需要添加 Apache.poi 的依赖
<!-- apache poi-->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>commons-io</groupId>
<artifactId>commons-io</artifactId>
<version>2.6</version>
</dependency>
2. ⼯具类代码
package com.lq.file.word;
/**
* <p>Description:POIUtil ⼯具类</p>
* <p>Copyright: Copyright (c)2021</p>
* <p>author: leo</p>
* <P>@version 2.0</P>
*/
import org.apache.poi.POIXMLDocument;
import org.apache.poi.POIXMLTextExtractor;
import org.apache.actor.WordExtractor;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.actor.XWPFWordExtractor;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
public class POIUtil {
/**
* @Description: POI 读取 word
* @update logs
* @throws Exception
*/
public static List<String>readWord(String filePath)throws Exception{
List<String> linList =new ArrayList<String>();
String buffer ="";
try{
dsWith(".doc")){
InputStream is =new FileInputStream(new File(filePath));
WordExtractor ex =new WordExtractor(is);
WordExtractor ex =new WordExtractor(is);
buffer = ex.getText();
ex.close();
if(buffer.length()>0){
//使⽤回车换⾏符分割字符串
String [] arry = buffer.split("\\r\\n");//*******⼤坑：windows下没问题，Linux/Unix下需将 \\r\\n 换成\\n
for(String string : arry){
linList.im());
}
}
}else dsWith(".docx")){
OPCPackage opcPackage = POIXMLDocument.openPackage(filePath);
POIXMLTextExtractor extractor =new XWPFWordExtractor(opcPackage);
buffer = Text();
extractor.close();
if(buffer.length()>0){
//使⽤换⾏符分割字符串
String [] arry = buffer.split("\\n");
for(String string : arry){
linList.im());
}
}
}else{
return null;
}
return linList;
}catch(Exception e){
System.out.print("error---->"+filePath);
e.printStackTrace();
return null;
}
}
}
⼤坑：
Windows下按⾏读取可正常按⾏返回字符串列表，当在Linux/Unix下时只会当成⼀⾏返回。
解决：
//使⽤回车换⾏符分割字符串
String [] arry = buffer.split("\\r\\n");//*******⼤坑：windows下没问题，Linux/Unix下需将 \\r\\n 换成\\n
扩展资料：
经常要对Linux和Windows下⽂本⽂件转换下 dos2unix
他们间的区别其实是个回车换⾏的问题
先来段历史
回车”（Carriage Return）和“换⾏”（Line Feed）这两个概念的来历和区别。
符号 ASCII码 意义
\n 10 换⾏
\r 13 回车CR
在计算机还没有出现之前，有⼀种叫做电传打字机（Teletype Model 33，Linux/Unix下的tty概念也来⾃于此）的玩意，每秒钟可以打10个字符。但是它有⼀个问题，就是打完⼀⾏换⾏的时候，要⽤去0.2秒，正好可以打两个字符。要是在这0.2秒⾥⾯，⼜有新的字符传过来，那么这个字符将丢失。
于是，研制⼈员想了个办法解决这个问题，就是在每⾏后⾯加两个表⽰结束的字符。
⼀个叫做“回车”，告诉打字机把打印头定位在左边界；
另⼀个叫做“换⾏”，告诉打字机把纸向下移⼀⾏。
这就是“换⾏”和“回车”的来历，从它们的英语名字上也可以看出⼀⼆。
linux-and-windows-under-the-carriage-return-and-line-feed
左侧是Windows换⾏符，右侧是Linux换⾏符
后来，计算机发明了，这两个概念也就被般到了计算机上。
那时，存储器很贵，⼀些科学家认为在每⾏结尾加两个字符太浪费了，加⼀个就可以。
于是，就出现了分歧。
Windows中：
‘\r’ 回车，回到当前⾏的⾏⾸，⽽不会换到下⼀⾏，如果接着输出的话，本⾏以前的内容会被逐⼀覆盖；
‘\n’ 换⾏，换到当前位置的下⼀⾏，⽽不会回到⾏⾸；
Unix系统⾥，每⾏结尾只有“<；换⾏>”，即"\n"；
Windows系统⾥，每⾏结尾是“<；回车><；换⾏>”，即“\r\n”；
Unix/Mac系统⾥，每⾏结尾是“<；回车>”，即"\r"；
⼀个直接后果是，Unix/Mac系统下的⽂件在Windows⾥打开的话，所有⽂字会变成⼀⾏；
⽽Windows⾥的⽂件在Unix/Mac下打开的话，在每⾏的结尾可能会多出⼀个^M符号。
分别在Windws和Linux中查看此⽂件可知
Linux中遇到换⾏符("\n")会进⾏回车+换⾏的操作，回车符反⽽只会作为控制字符("^M")显⽰，不发⽣回
车的操作。⽽windows中要回车符+换⾏符("\r\n")才会回车+换⾏，缺少⼀个控制符或者顺序不对都不能正确的另起⼀⾏。
Windows等操作系统⽤的⽂本换⾏符和UNIX/Linux操作系统⽤的不同
Windows系统下输⼊的换⾏符在UNIX/Linux下不会显⽰为“换⾏”，⽽是显⽰为 ^M 这个符号（这是Linux等系统下规定的特殊标记，占⼀个字符⼤⼩，不是^和M的组合，打印不出来的）。
Linux下很多⽂本编辑器（命令⾏）会在显⽰这个标记之后，补上⼀个⾃⼰的换⾏符，以避免内容混乱（只是⽤于显⽰，补充的换⾏符不会写⼊⽂件，有专门的命令将Windows换⾏符替换为Linux换⾏符）。
UNIX/Linux系统下的换⾏符在Windows系统的⽂本编辑器中会被忽略，整个⽂本会乱成⼀团。
Windows换⾏是\r\n，⼗六进制数值是：0D0A。
LINUX换⾏是\n，⼗六进制数值是：0A
所以在linux保存的⽂件在Windows上⽤记事本看的话会出现⿊点，我们可以在LINUX下⽤命令把linux的⽂件格式转换成win格式的。
unix2dos 是把linux⽂件格式转换成windows⽂件格式
dos2unix 是把windows格式转换成linux⽂件格式
linux下删除windows换⾏符^M
OJ判题时发现⼀个问题：⽤%c读⼊的代码都会报wa。后来发现跟scanf有关。
在linux下使⽤%c会读到\n和\r两个字符。所以需要将^M（也就是\r）字符删掉
删除⽅法不少。了⼀个⽐较简单的。
要将a.txt⾥的^M去掉并写⼊b.txt，则使⽤如下指令
| tr -d “^M” > b.txt
注意：语句中的^M是通过ctrl+V, ctrl+M输⼊的。特指/r字符
unix 下换⾏符只有: \r
Dos 下换⾏符有：\r\n
具体的，
\r的ascii 码是：13
linux怎么读取windows文件\n的ascii 码是：10
C语⾔编程时
windows系统 \r 就是return 回到本⾏⾏⾸，这就会把这⼀⾏以前的输出覆盖掉，
例如：
int main() {
cout << “hahaha” << “\r” << “xixi” ;
}
最后只显⽰ xixi ⽽ hahaha 被覆盖了
\n 是回车＋换⾏把光标先移到⾏⾸，然后换到下⼀⾏，也就是 下⼀⾏的⾏⾸拉
int main() {
cout << “hahaha” << “\n” << “xixi” ;
}
则显⽰
hahaha
xixi
在windows 系统中，当你输⼊回车时会⾃动变成\r\n
在linux下的回车键只代表\n
⽽在windows下的回车键表⽰\r\n
\n为进⼊下⼀⾏，\r为打印头回到⾏⾸上
linux/unix下，只⽤\n，它就表⽰回车+换⾏
windows下，\r只回车不换⾏的，\n是换⾏，但在有些编辑中单独的\n是不会换⾏的(如notepad)
⼀般在程序中，写\n就可以了，它在linux或windows中都能实现回车+换⾏的功能(只是在⽂本⽂件中，linux只会有0x0a,windows会⾃动换为0x0d 0x0a)
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论