Apache POI无法保存（HWPFDocument.write）大字doc文件

Question

我想从.doc文件中删除单词元数据。我的.docx文件适用于XWPFDocument，但以下用于删除元数据的代码对于大型（＆gt; 1MB）文件失败。例如，使用带有图像的6MB .doc文件，它会输出一个4.5MB的文件，其中一些图像被删除。

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());
}

相关帖子：

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

Answer 1

您使用的是哪个版本的Apache POI？

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

请升级至latest release of POI (3.8)，然后重试。

希望有所帮助。