使用Java POI从Office 2007+文档读取属性集

Question

我试图从Office 2007+文档（docx，xl​​sx）中读取属性集。 在http://poi.apache.org/hpsf/how-to.html上找到了惊人的解决方案。 有一个Office 2003和早期格式的示例（doc，xls，不带“ x”）。

public class ReadSummaryInformation {
    public static void main(final String[] args) throws IOException {
        final String filename = "C://file.docx";
        POIFSReader r = new POIFSReader();
        r.registerListener(new MyPOIFSReaderListener(),
                           "\005SummaryInformation");
        r.read(new FileInputStream(filename));
    }

    static class MyPOIFSReaderListener implements POIFSReaderListener {
        public void processPOIFSReaderEvent(final POIFSReaderEvent event)
        {
            SummaryInformation si = null;
            try {
                si = (SummaryInformation)
                    PropertySetFactory.create(event.getStream());
            }
            catch (Exception ex){
                throw new RuntimeException
                    ("Property set stream \"" +
                     event.getPath() + event.getName() + "\": " + ex);
            }
            final String title = si.getTitle();
            if (title != null)
                System.out.println("Title: \"" + title + "\"");
            else
                System.out.println("Document has no title.");
        }
    }
}

我试图使用此代码打开docx和xlsx（这意味着我试图从文档中读取“ \\ 005SummaryInformation”），然后猜猜是什么？ 我有一个例外：

Exception in thread "main" org.apache.poi.poifs.filesystem.OfficeXmlFileException: 
The supplied data appears to be in the Office 2007+ XML. [b]You are calling the part
of POI that deals with OLE2 Office Documents.[/b] You need to call a different part of 
POI to process this data (eg XSSF instead of HSSF)

先生http://poi.apache.org/大声地指出：

Office OpenXML Format是在Microsoft Office 2007和2008中发现的基于新标准的XML文件格式。其中包括XLSX，DOCX和PPTX。 该项目提供了一个低级API，以支持使用openxml4j的开放包装约定。

然后我进入poi的api，我发现HPSF具有PropertySet，这是访问我想要的元数据的实际类，但是XSSF没有。 这只是我为该异常找到的解释之一。

我的问题是：我可以从带有POI的Office 2007+文件中读取此奇妙的“ \\ 005SummaryInformation”吗？ 我有一丝感觉，源代码的作者悬而未决，但在Office 2007格式问世时就开始使用api结构。

先感谢您！

---

我尝试这样做，但有一个例外：

try {
   OPCPackage pkg = OPCPackage.open(new FileInputStream(new File("D:\\file.docx")));
   POIXMLProperties props;
   props = new POIXMLProperties(pkg);
   System.out.println("The title is " + props.getCoreProperties().getTitle());
} catch (Exception e) {
   // TODO Auto-generated catch block
   e.printStackTrace();
}

Exception in thread "main" java.lang.NoClassDefFoundError: org/dom4j/DocumentException
       at org.apache.poi.openxml4j.opc.OPCPackage.init(OPCPackage.java:154)
       at org.apache.poi.openxml4j.opc.OPCPackage.<init>(OPCPackage.java:141)
       at org.apache.poi.openxml4j.opc.Package.<init>(Package.java:54)
       at org.apache.poi.openxml4j.opc.ZipPackage.<init>(ZipPackage.java:82)
       at org.apache.poi.openxml4j.opc.OPCPackage.open(OPCPackage.java:267)
       at ReadSummaryInformation.main(ReadSummaryInformation.java:38)
Caused by: java.lang.ClassNotFoundException: org.dom4j.DocumentException
       at java.net.URLClassLoader$1.run(Unknown Source)
       at java.security.AccessController.doPrivileged(Native Method)
       at java.net.URLClassLoader.findClass(Unknown Source)
       at java.lang.ClassLoader.loadClass(Unknown Source)
       at sun.misc.Launcher$AppClassLoader.loadClass(Unknown Source)
       at java.lang.ClassLoader.loadClass(Unknown Source)
       ... 6 more

我的类路径如下所示：

  .;C:\Program Files (x86)\Java\jre6\lib\ext\QTJava.zip;D:\kituri\Java\JDBC
   driver\mysql-connector-java-5.1.22\mysql-connector-java-5.1.22-bin.jar;%JAVA_HOME%
   \lib;%XMLBEANS_HOME%\lib\xbean.jar;D:\work\Workspace\document_archive01-2212
   \src\RunClass.java;D:\work\Workspace\document_archive01-2212\poi-3.9\ooxml-
   lib\dom4j-1.6.1.jar

我的路径如下所示：

 C:\oraclexe\app\oracle\product\11.2.0\server\bin;;C:\Oracle11g\product\11.2.0\dbhome_1
 \bin;%SystemRoot%\system32;%SystemRoot%;%SystemRoot%\System32\Wbem;%SYSTEMROOT%
 \System32\WindowsPowerShell\v1.0\;C:\Program Files (x86)\ATI Technologies\ATI.ACE
 \Core-Static;C:\Program Files\WIDCOMM\Bluetooth Software\;C:\Program Files\WIDCOMM
 \Bluetooth Software\syswow64;C:\Program Files (x86)\QuickTime\QTSystem\;C:\Program 
 Files (x86)\Java\apache-maven-3.0.4\bin;C:\Program Files (x86)\Java\jdk1.7.0_07\bin;D:
 \ChromeDriver;%XMLBEANS_HOME%\bin

• POI-3.9-20121203.jar
• xbean.jar
• poi-ooxml-3.9-20121203.jar导入到项目中并设置为buildpath。

我尝试了4天的时间来找到问题（又是重新导入库并设置path变量），但是我头晕目眩，而且我真的没有时间去解决这个似乎还不清楚的问题。 我什至检查了导入的库的完整性（我确信.class文件存在于jar中）。

Answer 1

OOXML文件中的属性相似，但与其OLE2表亲并不完全相同。 因此，您不能直接使用HPSF SummaryInformation代码，但是有类似的东西

您需要的类是POIXMLProperties ，类似于：

OPCPackage pkg = OPCPackage.open(new File("file.xlsx"));
POIXMLProperties props = new POIXMLProperties(pkg);
System.out.println("The title is " + props.getCorePart().getTitle());

从POIXMLProperties中，您可以访问所有内置属性，也可以访问自定义属性！

（请注意，要使用OOXML文件，您需要在类路径上添加一些Jar。ApachePOI 组件页面包含所有详细信息）