Apache POI無法保存（HWPFDocument.write）大文檔doc文件

Question

我想從.doc文件中刪除單詞元數據。我的.docx文件適用於XWPFDocument，但以下用於刪除大型（> 1MB）文件的元數據代碼失敗。例如，將6MB .doc文件與圖像一起使用時，會輸出一個4.5MB文件，其中某些圖像將被刪除。

public static InputStream removeMetaData(InputStream inputStream) throws IOException { 
    POIFSFileSystem fss = new POIFSFileSystem(inputStream); 
    HWPFDocument doc = new HWPFDocument(fss); 

    // **it even fails on large files if you remove from here to 'until' below** 
    SummaryInformation si = doc.getSummaryInformation(); 
    si.removeAuthor(); 
    si.removeComments(); 
    si.removeLastAuthor(); 
    si.removeKeywords(); 
    si.removeSubject(); 
    si.removeTitle(); 

    doc.getDocumentSummaryInformation().removeCategory(); 
    doc.getDocumentSummaryInformation().removeCompany(); 
    doc.getDocumentSummaryInformation().removeManager(); 
    try { 
     doc.getDocumentSummaryInformation().removeCustomProperties(); 
    } catch (Exception e) { 
     // can not remove above 
    } 
    // until 

    ByteArrayOutputStream os = new ByteArrayOutputStream(); 
    doc.write(os); 
    os.flush(); 
    os.close(); 
    return new ByteArrayInputStream(os.toByteArray()); 
} 

相關文章：

• How to save the Word Document using POI API?
• https://stackoverflow.com/questions/9758955/saving-poi-document-correctly

Answer 1

是否使用的是Apache的POI的版本？

這似乎是Bug 46220 - Regression: Some embedded images being lost。

請升級到latest release of POI (3.8)，然後重試。

希望有所幫助。