- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 POI 版本 3.6 从 Web URL 读取 Word 文档。非工作代码:
String url = "http://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc";
InputStream inputStream = new URL(urlString).openStream();
HWPFDocument doc = new HWPFDocument(inputStream);
WordExtractor extractor = new WordExtractor(doc);
String text = extractor.getText();
以上代码导致 java.io.IOException: 无法读取整个 header ;读取6个字节;预计 32 字节
尝试 2:有趣的部分是下载文件(只需将 URL 粘贴到浏览器地址栏中),然后执行类似的代码以在本地读取文档确实有效:
InputStream inputStream = new FileInputStream("C:\\Users\\me\\Downloads\\Master-DMP-Template (2).doc");
HWPFDocument doc = new HWPFDocument(inputStream);
WordExtractor extractor = new WordExtractor(doc);
System.out.println(extractor.getText());
尝试 3:现在是最奇怪的部分。我认为需要先下载该文件。所以我先使用Java下载它,然后在本地执行之前读取文档的代码。像第一种情况一样失败!
final String url = "http://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc";
String localPath = FileUtils.downloadFile("C:\\Users\\me\\Downloads", url);
InputStream inputStream = new FileInputStream(localPath);
HWPFDocument doc = new HWPFDocument(inputStream);
WordExtractor extractor = new WordExtractor(doc);
System.out.println(extractor.getText());
public static String downloadFile(String targetDir, String sourceUrl) throws IOException {
sourceUrl = StringUtils.removeEnd(sourceUrl, "/");
String fileName = sourceUrl.substring(sourceUrl.lastIndexOf("/") + 1);
String targetPath = targetDir + FileUtils.SEPARATOR + fileName;
InputStream in = new URL(sourceUrl).openStream();
Files.copy(in, Paths.get(targetPath), StandardCopyOption.REPLACE_EXISTING);
System.out.println("Downloaded " + sourceUrl + " to " + targetPath);
return targetPath;
}
知道这里发生了什么吗?
更新:我创建了一个单独的项目来尝试使用 POI 4.1.0。相同的代码(第一次尝试)导致 org.apache.poi.EmptyFileException:提供的文件为空(零字节长)
我尝试在按 F12 并观察“网络”选项卡后将 URL 粘贴到浏览器中。出现的消息是:资源解释为文档,但使用 MIME 类型 application/msword 进行传输:“https://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc ”。
我还是被困住了...
更新:如 https://stackoverflow.com/users/3915431/axel-richter指出,有一个 301 重定向到 https://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc 。然而,现在我遇到了与Word无关的奇怪问题。以下代码失败:
public static void main(String[] args) {
try {
if (args.length > 0 && args[0].equals("disableCertValidation")) {
SSLUtil.disableCertificateValidation(); // redirect is https
}
final String stringURL = "https://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc";
URL url = new URL(stringURL);
HttpURLConnection con = (HttpURLConnection) url.openConnection();
int responseCode = con.getResponseCode();
System.out.println("Response code: " + responseCode); //301 Moved Permanently
InputStream in = con.getInputStream();
HWPFDocument doc = new HWPFDocument(in);
WordExtractor extractor = new WordExtractor(doc);
String text = extractor.getText();
System.out.println(text);
in.close();
} catch (IOException e) {
e.printStackTrace();
}
}
当不带参数运行 main 时,该行
int responseCode = con.getResponseCode();
失败并出现以下异常:javax.net.ssl.SSLHandshakeException:sun.security.validator.ValidatorException:PKIX路径构建失败:sun.security.provider.certpath.SunCertPathBuilderException:无法找到请求目标的有效证书路径
使用disableCertificateValidation参数运行代码时,响应代码为404,并且出现以下异常:
java.io.FileNotFoundException:https://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc 在 sun.reflect.NativeConstructorAccessorImpl.newInstance0( native 方法) 在 sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62) 在 sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45) 在 java.lang.reflect.Constructor.newInstance(Constructor.java:422) 在 sun.net.www.protocol.http.HttpURLConnection$10.run(HttpURLConnection.java:1890) 在 sun.net.www.protocol.http.HttpURLConnection$10.run(HttpURLConnection.java:1885) 在 java.security.AccessController.doPrivileged( native 方法) 在 sun.net.www.protocol.http.HttpURLConnection.getChainedException(HttpURLConnection.java:1884) 在 sun.net.www.protocol.http.HttpURLConnection.getInputStream0(HttpURLConnection.java:1457) 在 sun.net.www.protocol.http.HttpURLConnection.getInputStream(HttpURLConnection.java:1441) 在 sun.net.www.protocol.https.HttpsURLConnectionImpl.getInputStream(HttpsURLConnectionImpl.java:254) 在 com.keywords.control.util.TestHTMLParser.main(TestHTMLParser.java:472)引起原因:java.io.FileNotFoundException:https://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc 在 sun.net.www.protocol.http.HttpURLConnection.getInputStream0(HttpURLConnection.java:1836) 在 sun.net.www.protocol.http.HttpURLConnection.getInputStream(HttpURLConnection.java:1441) 在 java.net.HttpURLConnection.getResponseCode(HttpURLConnection.java:480) 在 sun.net.www.protocol.https.HttpsURLConnectionImpl.getResponseCode(HttpsURLConnectionImpl.java:338) 在 com.keywords.control.util.TestHTMLParser.main(TestHTMLParser.java:470)
有什么想法吗?
最佳答案
对您的 URL
的初始 HTTP
请求会导致重定向 301 永久移动
。因此我们需要处理这个问题并读取新位置。
完整示例:
import java.io.InputStream;
import java.net.URL;
import java.net.HttpURLConnection;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
public class OpenHWPFFromURL {
public static void main(String[] args) throws Exception {
String stringURL = "http://prevention.cancer.gov/sites/default/files/uploads/clinical_trial/Master-DMP-Template.doc";
URL url = new URL(stringURL);
HttpURLConnection con = (HttpURLConnection)url.openConnection();
int responseCode = con.getResponseCode();
System.out.println(responseCode); //301 Moved Permanently
if (responseCode != HttpURLConnection.HTTP_OK) {
if (responseCode == HttpURLConnection.HTTP_MOVED_TEMP
|| responseCode == HttpURLConnection.HTTP_MOVED_PERM
|| responseCode == HttpURLConnection.HTTP_SEE_OTHER) {
url = new URL(con.getHeaderField("Location")); //get new location
con = (HttpURLConnection)url.openConnection();
}
}
InputStream in = con.getInputStream();
HWPFDocument doc = new HWPFDocument(in);
WordExtractor extractor = new WordExtractor(doc);
String text = extractor.getText();
System.out.println(text);
}
}
注意:如果重定向也更改了协议(protocol)(从 HTTP例如,
到 HTTPS
)。这里的情况也是如此。因此,我们需要手动获取新位置,如我的代码所示。
关于java - 无法读取文档 URL : Unable to read entire header; 6 bytes read; expected 32 bytes,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56090668/
我有一个 .sln 文件,里面有几个项目。为了简单起见,让我们称它们为... 项目A 项目B 项目C ...其中 A 是引用 B 和 C 的主要项目。我的目标是更新我的构建脚本,为 ProjectA
我安装了 Magento,我想知道如何生成完整的 API 文档,例如 http://docs.magentocommerce.com/ 上的文档是使用 phpdoc 生成的。 Magento 中是否包
我通常使用jetbrains family ide。在为函数创建文档时非常有用,只需输入 /** 如何在创建文档时创建自定义标签,例如@date标签。 最佳答案 JavaScript、Java: st
我正在尝试使用 jOpenDocument library创建文档。我已经执行了创建电子表格的示例 - 代码编译并运行正常,但当我尝试使用 Excel Office 2012 或 Google Doc
如标题。 有没有介绍HTML DOM构造的图片? 最佳答案 DOM(文档 对象模型)从文档 节点开始。它被称为“根节点”。 观察下面的树(括号中对应的nodeType): [HTMLDocument]
我喜欢 ColdFusion Builder。但我不喜欢帮助只有 CF9 文档。有什么方法可以将其更改为拥有 ColdFusion 8 文档? 最佳答案 http://livedocs.adobe.c
这个问题在这里已经有了答案: What is the consequence of this bit of javascript? (4 个答案) 关闭 9 年前。 我看到一些 jQuery 脚本嵌
我有一个 XML 文件,其中包含需要在 Word 文档中填充的数据。 我需要找到一种方法来定义一个模板,该模板可用作从 XML 文件填充数据并创建输出文档的基线。 我相信有两种方法可以做到这一点。 创
我正在尝试查找有关如何使用 AVAudioEngine 的详细文档。有谁知道我在哪里可以找到它? 我找到了这个,但与文档丰富的 UI 内容相比,它似乎非常简陋。 https://developer.a
我对 Tensorflow 文档越来越感到恼火和沮丧。我在谷歌上搜索了有关 的文档 tf.reshape 我被定向到一个通用页面,例如 here 。我想查看 tf.reshape 的详细信息,而不是整
我正在学习本教程:http://moxleystratton.com/clojure/clojure-tutorial-for-the-non-lisp-programmer 然后遇到了这个片段: u
如何在 swagger 中为对象数组编写文档。这是我的代码,但我不知道如何访问对象数组中的数据。 { "first_name":"Sam", "last_name":"Smith",
是否有针对 Javascript 的 JavaDocs 之类的东西?当我在 netbeans IDE 中按 ctrl+space 时 写javascript,指定对象的javascript文档就出来了
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 5 年前。
我需要 JavaScript 中的 heredoc 之类的东西。你对此有什么想法吗?我需要跨浏览器功能。 我发现了这个: heredoc = '\ \ \ zzz\ \
WSDL 文档是包含一系列的,可描述某个 web service 的定义的,简单的 XML 文档 WSDL 文档结构 WSDL 文档用下表这些主要的元素来描述某个 web service 的
是否有 ocropus 的文档? 我正在寻找对以下功能的解释: make_SegmentPageByRAST(): segment() RegionExtractor(): setPageLines(
这个问题在这里已经有了答案: Understanding events and event handlers in C# (13 个回答) 4年前关闭。 我正在使用 NRECO 和 ffmpeg 对视
我正在尝试访问工作服务器以与名为 Spotfire 的应用程序一起使用。我的同事把这个传给我,现在已经休息了几个星期,我对他的建议有意见。 实际上,当我通过 localhost 运行我的 Web 应用
Elm 文档没有给出示例用法,因此很难理解类型规范的含义。在几个地方,我看到“a”用作参数标识符,例如 Platform.Cmd : map : (a -> msg) -> Cmd a -> Cmd
我是一名优秀的程序员,十分优秀!