java中用poi解析word和exce

🔍 Java中使用POI解析Word/Excel无法获取插入附件的原因与解决方案

在Java中使用Apache POI库处理Word(.docx)和Excel(.xlsx)文件时，当遇到插入的附件（如嵌入文档、OLE对象等），常规API无法直接获取附件二进制数据(data)。以下是深度解析和完整解决方案：

🧩 问题根本原因

📊 附件在OOXML中的存储结构

🔧 解决方案：通过底层OPC API获取附件

核心原理：直接访问OOXML的ZIP包结构

import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.openxml4j.opc.PackagePart;
import org.apache.poi.openxml4j.opc.PackageRelationshipCollection;

// 1. 加载文件到OPC包
OPCPackage pkg = OPCPackage.open("document.docx");

// 2. 获取所有文档部件
for (PackagePart part : pkg.getParts()) {
  
    // 3. 检测嵌入对象部件（关键步骤）
    if (part.getContentType().contains("oleObject") || 
        part.getContentType().contains("package")) {
      
        // 4. 提取附件二进制数据
        try (InputStream is = part.getInputStream()) {
            byte[] fileData = IOUtils.toByteArray(is); // 获得完整附件数据
          
            // 5. 保存附件（示例：保存为文件）
            String fileName = part.getPartName().getName();
            Files.write(Paths.get("attachments/" + fileName), fileData);
        }
    }
}
​

代码逐行解析：

1. OPCPackage.open()
   直接访问OOXML底层ZIP结构，绕过高级文档API限制
2. pkg.getParts()
   获取文档所有组成部分（包括隐藏的附件文件）
3. ContentType检测
   • application/vnd.openxmlformats-officedocument.oleObject：OLE嵌入对象
   • application/vnd.openxmlformats-officedocument.package：ZIP包嵌入
4. getInputStream()
   关键方法！将附件转换为二进制数据流
5. 数据保存
   转换为byte[]后可保存为原始文件

⚠️ 不同类型附件的处理技巧

🔥 Excel专用附件提取方案

// 针对Excel工作簿中的嵌入对象
OPCPackage pkg = OPCPackage.open("workbook.xlsx");

// 搜索所有工作簿部件
for (PackagePart part : pkg.getParts()) {
    if (part.getPartName().toString().startsWith("/xl/embeddings/")) {
      
        try (InputStream is = part.getInputStream()) {
            byte[] data = IOUtils.toByteArray(is);
          
            // 根据内容类型保存
            if (part.getContentType().contains("spreadsheet")) {
                Files.write(Paths.get("excel_attach.xlsx"), data);
            } else if (part.getContentType().contains("wordprocessing")) {
                Files.write(Paths.get("word_attach.docx"), data);
            }
        }
    }
}
​

💡 高级场景解决方案

情况1：嵌套附件（附件中的附件）

处理流程：

1. 提取第一层 package.zip
2. 使用 ZipInputStream解压
3. 对解压出的文件递归执行附件提取

情况2：加密附件

// 检测加密部件
if (part.getPartName().toString().endsWith(".enc")) {
  
    // 获取加密密钥（通常存储在relationship中）
    EncryptionInfo encInfo = new EncryptionInfo(part);
    Decryptor decryptor = encInfo.getDecryptor();
  
    // 使用密码解密（需提前获取密码）
    try (InputStream decryptedStream = decryptor.getDataStream(part, "password")) {
        byte[] data = IOUtils.toByteArray(decryptedStream);
    }
}
​

🚫 常见错误规避

1. 内存溢出问题

   // 错误：直接加载大文件
   byte[] data = Files.readAllBytes(hugeFile); 
   
   // 正确：使用缓冲流
   try (BufferedInputStream bis = new BufferedInputStream(
        part.getInputStream())) {
        // 分块处理数据
   }
   ​

2. 文件名冲突
   使用唯一标识符生成文件名：

   String uid = part.getPartName().getURI().getFragment();
   String safeName = "attach_" + uid + ".bin";
   ​

3. 附件类型误判
   增加双重验证：

   if (part.getPartName().toString().contains("embeddings") && 
       part.getContentType().contains("oleObject")) {
       // 确认为OLE对象
   }
   ​

💎 终极解决方案架构