HWPFDocument/XWPFDocument新行

Question

我正在嘗試從Microsoft Word中提取數據並將其轉換爲sql語句並將其插入到Oracle數據庫中。

當MS-字中的數據包含通過創建新線[Shift鍵回車，而不僅僅是進入，

文本包含有看起來像一個問號的方塊圖標。

凡ET是使用回車鍵只是標準的新線和ST是使用

按住Shift鍵並輸入組合新的生產線。因此，當生成SQL並將其插入到oracle時，oracle不會將其計算爲文本，而是以十六進制計算。

我的問題是，如何刪除由[shift-enter]創建的行到標準的'\ n'？

感謝

更新 這是我得到的文本信息

POIFSFileSystem fs = new POIFSFileSystem(new FileInputStream(file)); 
HWPFDocument doc = new HWPFDocument(fs); 
WordExtractor we = new WordExtractor(doc); 
text = we.getText(); 

更新答： 這是POI-3.6的bug。在poi-3.8中顯示爲\ r。

Answer 1

什麼你幾乎可以肯定看到的是「田」在Word文檔中，這是如鏈接文本的特殊功能塊，宏等

選項排名第一的是繼續使用WordExtractor，但在電話會議上stripFields(String)使用它之前生成的文本。這會從你的文本中刪除這些字段中的任何一個。

另一種選擇是使用不同的方式獲取文本。 WordToTextConverter是Apache POI的一部分，是處理更多格式的更復雜的代碼，應該跳過這些（WordExtractor非常簡單和低級別）。另一種是使用Apache Tika，它提供了從多種文件格式中提取文本的常用方法。這確實有正確的代碼來處理字段，作爲一個額外的獎勵，當您的需求發生變化時，您將無法支持.docx或.pdf。