Question

我想找出docx，pptx等内容的大小。有没有可用于此的包？我用Google搜索并发现POI被广泛用于读取/写入MS文件类型。但是无法找到正确的api来查找文件内容的大小。我想知道实际的内容大小，而不是从属性中可以看到的压缩文件大小。

最后我找到了方法，但如果文件太大，它会抛出OOM异常。

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);

如果还有其他更好的方法可以帮助我。

Answer 1

好的，这已经很久以前被问过，而且这个问题也没有回应。我没有使用OPCPackage，因此我的答案不是基于此。

DOCX（以及PPTX和XSLX）文件都是具有特定结构的zip文件。因此，我们可以使用 java.util.zip 包并枚举zip文件的条目，并获取xlsx文件和字的zip条目 xl 的大小用于docx文件。可能更通用的方法是忽略以下顶级zip条目，即以：

开头的zip条目

docProps
_rels
[CONTENT_TYPES]的.xml

剩余zip条目的大小（不要忽略此zip条目中的任何文件夹）会告诉您内容的正确大小。此方法也非常有效 - 您只读取zip文件的条目而不是zip文件本身，因此获取大小信息将以可忽略的时间和内存资源运行。为了快速入门，我能够在几分之一秒内获得4MB docx文件的大小。

下面粘贴使用此方法的“足够好”但没有充分工作的代码。请随意使用此作为起点并修复错误（如果找到）。如果您可以回复修改或更正以便其他人可以受益

    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" );
 }

找到文件内容大小docx，pptx等

1 个答案: