java - xls 和 xlsx 文件是否有统一的 ExcelExtractor 类和工厂？

Question

是否有 ExcelExtractor 的通用类和实现统一处理从 xls 和 xlsx 源中提取文本的接口(interface)？也许，ss 包中的某些东西。

我正在寻找一些东西，可以让我做类似的事情，但是根据文件类型从工厂获得正确的实现。

现在，我必须显式使用org.apache.poi.hssf.extractor.ExcelExtractor对于 xls 文件，org.apache.poi.xssf.extractor.XSSFExcelExtractor 对于 xlsx。

例如 xls 的显式方法:

InputStream inp = new FileInputStream(path);
HSSFWorkbook wb = new HSSFWorkbook(new POIFSFileSystem(inp));
ExcelExtractor extractor = new ExcelExtractor(wb);

extractor.setFormulasNotResults(true);
extractor.setIncludeSheetNames(false);
String text = extractor.getText();

我可以实现自己的工厂，但在这样做之前，我想问问是否有一种通用方法可以处理这两种格式(这就是 ss 包的用途)。

Answer 1

两个选项

首先，如果您真的想坚持使用旧的 Apache POI 文本提取器，请使用 ExtractorFactory class 。这将识别类型，并为您创建一个提取器

但是，更好的选择 - Apache Tika 。 Tika 构建在 POI(以及许多其他)之上，并为您提供从各种文件格式中提取纯文本(+检测+xhtml +更多!)。您只需调用 Tika，索取短信，然后将其取回，无论类型如何。请参阅Tika examples like this one开始使用