用 Apache POI 读取 Word ，折腾啊🤕

因为工作电脑只能用 Windows ，要读 Word ，想到用 Ruby 带的标准库 win32ole 。但要 Office 没装完整，这库就不好使。你知道，中国的办公电脑没几台是正版的…… 所以去查了下有没有什么别的解决方案。

还真发现了两个：Apache POI 和 docx4j ，都是基于 Java 的。就随便找了 POI 来试试。你妹，坑啊！！！

说好有 Ruby 接口才用它的，结果失效了😱 这种 Apache 的项目也会失效！！！😱

好吧，那就 Java 吧，虽然已经忘得一干二净了😓

---

1. 先把包下下来
2. 目前的最新版本是 3.17 ，最起码需要 Java 6 ；下一个版本 4.0.0 至少需要 Java 8 。所以顺道把 Java 9 下了吧。
3. 配置环境，主要是把什么 JAVA_HOME CLASSPATH PATH 配置好。如果用 TextMate ，打开 Preferences -> Variables ，把这几个变量加进去^[1]。
4. 然后就是上代码喽。这里必！须！再说一遍：坑爹的文档🤢🤮

先上读 docx 格式文档的代码：

import java.io.FileInputStream;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;

public class DocxExtractor
{
   public static void main(String[] args)throws Exception 
   {
       XWPFDocument docx = new XWPFDocument(new FileInputStream("sample.docx"));
       //using XWPFWordExtractor Class
       XWPFWordExtractor we = new XWPFWordExtractor(docx);
       System.out.println(we.getText());
   }
}

然后是读 doc 格式文档的代码：

import java.io.File;
import java.io.FileInputStream;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;

public class DocExtractor
{
   public static void main(String[] args)throws Exception 
   {
       FileInputStream fis = new FileInputStream(new File("sample.doc"));
       HWPFDocument doc = new HWPFDocument(fis);
       WordExtractor ex = new WordExtractor(doc);
       System.out.println(ex.getText());
   }
}

对了，期间去配置 Windows 下的 Sublime Text 的 Java 环境^[2]，还顺便把「批处理」学了呢。那又是一个心酸的故事😪 不过这确实是个学习「批处理」的好项目。

本来还想试试 docx4j 的，比较下性能…… 已经累趴了🐶 没有对比就没有伤害！不出去混，怎么知道 Ruby 的好。早知道这么麻烦，我就直接重装 Office 了😞

---

1. 大概样子是这样（大家记得把 /PATH/TO/ 换成自己家的路径！其中，poi-scratchpad-3.17.jar这个包里头有读 doc 的类；poi-ooxml-3.17.jar这个包里头有读 docx 的类。对了，最后一个 jar 包得自己下，读 doc 文档的时候用得着）：

   JAVA_HOME="/Library/Java/JavaVirtualMachines/jdk-9.0.1.jdk/Contents/Home"
   PATH=".:$PATH:$JAVA_HOME/bin"
   CLASSPATH=".:$JAVA_HOME/lib:
   /PATH/TO/poi-3.17/poi-3.17.jar:
   /PATH/TO/poi-3.17/poi-ooxml-3.17.jar:
   /PATH/TO/poi-3.17/poi-ooxml-schemas-3.17.jar:
   /PATH/TO/poi-3.17/ooxml-lib/xmlbeans-2.6.0.jar:
   /PATH/TO/poi-3.17/ooxml-lib/curvesapi-1.04.jar:
   /PATH/TO/poi-3.17/poi-scratchpad-3.17.jar:
   /PATH/TO/poi-3.17/poi-excelant-3.17.jar:
   /PATH/TO/poi-3.17/commons-collections4-4.1.jar"
   

   ↩

2. 参考的这篇「搭建 Java 环境——使用 Sublime Text 3（ Windows 环境）」。 ↩