Apache POI提取功能及应用.pdfVIP

ApachePOI‑文本提取

作者：NickBurch

1.概述

ApachePOI为所有支持的文件格式文本提取功能。此外，它还了与给定文件相关的元数据

的功能，例如标题和作者。

除了直接的文本提取类之外，POI还与ApacheTika文本提取库紧密合作。用户可能希望仅使用Tika提

供的功能。

2.常用功能

所有POI文本提取器都扩展自org.apache.poi.POITextExtractor。这为所有提取器了一

个通用的方法getText()。在许多情况下，返回的文本就是你所需要的。然而，许多提取

器确实了更针对性的文本提取方法，因此在某些情况下，你可能希望使用这些方法。

所有POIFS/OLE2基础的文本提取器也扩展自

org.apache.poi.POIOLE2TextExtractor。这还了获取HPFS文档元数据的通用方法。

所有基于OOXML的文本提取器（POI3.5及更高版本中可用）也扩展自

org.apache.poi.POIOOXMLTextExtractor。这还了获取OOXML元数据的通用方法。

3.文本提取器工厂‑POI3.5或更高版本

POI3.5中的新类org.apache.poi.extractor.ExtractorFactory了类似于

WorkbookFac