是否有统一的ExcelExtractor类和xls和xlsx文件的工厂？

Question

是否有一个公共类和ExcelExtractor接口的实现，可以统一处理从xls和xlsx源中提取文本？ 也许，ss包中的内容。

我正在寻找可以让我做类似事情的东西，但是根据文件类型从工厂获得正确的实现。

现在，我必须明确使用org.apache.poi.hssf.extractor.ExcelExtractor 对于xls文件，对于xlsx为org.apache.poi.xssf.extractor.XSSFExcelExtractor。

例如，xls的显式方法：

InputStream inp = new FileInputStream(path);
HSSFWorkbook wb = new HSSFWorkbook(new POIFSFileSystem(inp));
ExcelExtractor extractor = new ExcelExtractor(wb);

extractor.setFormulasNotResults(true);
extractor.setIncludeSheetNames(false);
String text = extractor.getText();

我可以实现自己的工厂，但在我这样做之前，我想问一下是否有一种处理两种格式的通用方法（即ss包的用途）。

Answer 1

两个选项

首先，如果你真的想坚持旧的Apache POI文本提取器，那么使用ExtractorFactory class。这将识别类型，并为您创建一个提取器

然而，更好的选择 - Apache Tika。 Tika建立在POI（以及许多其他人）之上，并为您提供各种文件格式的纯文本提取（+检测+ xhtml +更多！）。您只需致电Tika，询问文本，无论类型如何，都可以将其取回。请参阅Tika examples like this one开始使用