找到文件內容大小docx，pptx等

我想找出docx，pptx等內容的大小。是否有任何可用於此目的的包？我搜索了一下，發現POI廣泛用於讀取/寫入MS文件類型。但無法找到正確的api來查找文件內容的大小。我想知道實際的內容大小，而不是從屬性中可以看到的壓縮文件大小。找到文件內容大小docx，pptx等

最後我找到了方法，但是如果文件太大，它會拋出OOM異常。

OPCPackage opcPackage = OPCPackage.open(file.getAbsolutePath()); 
XWPFDocument doc = new XWPFDocument(opcPackage); 
XWPFWordExtractor we = new XWPFWordExtractor(doc); 
String paragraphs = we.getText(); 
System.out.println("Total Paragraphs: "+paragraphs.length()/1024);

請幫助我，如果還有其他更好的方法來做到這一點。

來源

2013-11-27 Cool

那麼包中每個部分的長度總和是多少？在XML部分的情況下，您是否想要包含元素名稱的長度（例如w：p），還是僅包含文本節點的內容？請注意，XML文檔的長度可能會有所不同，具體取決於使用的命名空間前綴，名稱空間的聲明位置等。另外在Open XML中，屬性值可能爲true，1或on。 – JasonPlutext

@JasonPlutext我想單獨找到文本內容的大小。 – Cool

使用POI來提取文本，然後調用'textString.length（）'？ – Gagravarr

好吧，這已被問很久以前，也沒有迴應這個問題。我沒有使用OPCPackage，因此我的答案不是基於此。

DOCX（以及PPTX和XSLX）文件都是具有特定結構的zip文件。我們可以因此使用java.util.zip包，並列舉zip文件的條目並獲得ZIP條目XL爲XLSX文件和docx文件字的大小。可能是一個更通用的方法是忽略以下頂層拉鍊條目，即拉鍊開頭的條目：

docProps
_rels
[CONTENT_TYPES] .XML

的大小其餘的zip條目（不要忽略此zip條目中的任何文件夾）會告訴你正確的內容大小。此方法也非常高效 - 您只能讀取zip文件的條目而不讀取zip文件，因此獲取大小信息的時間和內存資源可以忽略不計。爲了快速入門，我能夠在幾分之一秒內獲得4MB docx文件的大小。

下面粘貼了一個「足夠好」但沒有充分工作的代碼片段。請隨意將此作爲起點，並修復發現的錯誤。如果你可以發回修改或更正以便其他人能夠獲益，那將是非常好的

private static final void printUnzippedContentLength() throws IOException 
    { 
      ZipFile zf = new ZipFile(new File("/home/chaitra/verybigfile.docx")); 

      Enumeration<? extends ZipEntry> entries = zf.entries(); 

      long sumBytes = 0L; 
      while(entries.hasMoreElements()) 
      { 
       ZipEntry ze = entries.nextElement(); 

       if(ze.getName().startsWith("docProps") || ze.getName().startsWith("_rels") || ze.getName().startsWith("[Content_Types].xml")) 
       { 
        continue; 
       } 
       sumBytes += ze.getSize(); 


      } 

      System.out.println("Uncompressed content has size " + (sumBytes/1024) + " KB"); 
}

來源

2016-02-01 19:09:41

找到文件內容大小docx，pptx等

回答

相關問題