poi读取word.doc/docx 解析，定时入库

springBoot代码结构：

所需pom依赖

数据库表设计

话不多说，先放代码：MeteorologicalService

public  void testReadByDoc(String path) throws Exception {
    Meteorological meteorological = new Meteorological();
    String [] content =null;
    //取当前.字段的下标
    int i = path.indexOf(".");
    //把文件读取到流
    InputStream is = new FileInputStream(path);
    if(path.length()-i==4){   //doc文件
        HWPFDocument doc = new HWPFDocument(is);
        Range range = doc.getRange();
    //读取word 转化为段落格式
        content =MeteorologicalUtil.printInfo(range);
    }else {          // docx 文件
        XWPFDocument xdoc = new XWPFDocument(is);
        content =MeteorologicalUtil.printInfox(xdoc);
    }
    //去掉空的段落
    String[] contenta = MeteorologicalUtil.removeArrayEmptyTextBackNewArray(content);  
   //取数组长度
    int len =contenta.length;
    Date time = MeteorologicalUtil.getTime(contenta);  //获得天气预报的时间
    String s = contenta[len - 6];
       if(s.contains("和")){ //判断是否包含和
           meteorological.setAlert(contenta[len-5]);
           meteorological.setWeather(contenta[len-4]);
       }
    String minimum = contenta[len - 1].substring(0, contenta[len - 1].length() - 1);
    String maximum = contenta[len - 2].substring(0, contenta[len - 2].length() - 1);
    String windforce = contenta[len - 3].substring(0, contenta[len - 3].length() - 1);
    meteorological.setWeather(contenta[len-4]);
    meteorological.setMaximum(maximum);
    meteorological.setMinimum(minimum);
    meteorological.setNowtime(time);
    meteorological.setWindforce(windforce);
    meteorologicalMapper.insert(meteorological);   //封装、保存
    is.close();
}

此段代码步骤：
首先解析word文档，以段落的形式读取文档中内容，此时拿到word文档中信息。
由于文档中可能会出现空格和回车影响我们根据段落处理文档，所以我们此时需要先去掉这些可能会对我们代码产生的影响（部分代码等下贴）
此时去重部分已经解决，这时我们可以根据我们得到的数据进行下一步处理（处理代码也等下贴）
解决完成后将得到的数据放到对象中，然后存到数据库
因为还有定时任务（spring自带的定时器）所以我们需要再加个定时器，好了话不多说，现在开始贴处理代码。

因为代码问题，所以将一些方法提到了util工具类

public class MeteorologicalUtil {
public static  String []  printInfo(Range range) {
    //获取段落数
    int paraNum = range.numParagraphs();
    String [] paragraphArr =new String[paraNum];
    for (int i=0; i<paraNum; i++) {
        paragraphArr[i] =range.getParagraph(i).text();
    }
    return  paragraphArr;
}
public static  String []  printInfox(XWPFDocument xwpfDocument) {
    //获取段落数
    int paraNum =xwpfDocument.getParagraphs().size();
    String [] paragraphArr =new String[paraNum];
    List<XWPFParagraph> paragraphs = xwpfDocument.getParagraphs();
    for(int i =0 ;i<paraNum;i++){

        paragraphArr[i] =paragraphs.get(i).getParagraphText();
    }
    return  paragraphArr;
}

/**
 * 获得气象时间
 * @param arr
 * @return
 */
public  static Date getTime(String [] arr){

    SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy年MM月dd日HH:mm");
    simpleDateFormat.setTimeZone(TimeZone.getTimeZone("GMT+0"));  //消除时差
    for (String ph :arr){
        String timeStr = patternTime(ph);
        if(timeStr!=null){
            try {
                return  simpleDateFormat.parse(timeStr);
            } catch (ParseException e) {
                e.printStackTrace();
                return null;
            }
        }
    }
    return null;
}


/**
 * 去掉空的段落
 * @param strArray
 * @return
 */
public static String[] removeArrayEmptyTextBackNewArray(String[] strArray) {
   //将数组转化为list对象
    List<String> strList= Arrays.asList(strArray);
    List<String> strListNew=new ArrayList<>();

    for (int i = 0; i <strList.size(); i++) {
        strList.set(i,strList.get(i).replaceAll("\b","").replaceAll("\r",""));
        //strList.set(i,strList.get(i).substring(0,strList.get(i).length()-1));
        if (strList.get(i)!=null&&!strList.get(i).equals("")){
            strListNew.add(strList.get(i));            }
    }
   //将集合转化为数组
    String[] strNewArray = strListNew.toArray(new String[strListNew.size()]);
    return   strNewArray;

}

public static String patternTime(String content){

    //****年**月**日   ****年*月*日 的格式，我们可以更改不同筛选规则，进行不同格式筛选 正则表达式匹配文中时间
    Pattern pattern = Pattern.compile("((([0-9]{4})年([0-9]{2}|[1-9]))月([0-9]{2}|[1-9]))日([0-9]{2}|[1-9]):([0-9]{2}|[1-9])"); //尝试提取这样类型的数据
    Matcher matcher = pattern.matcher(content);
    if (matcher.find()) {  //判断文本是否找到符合规则字符串，并提取
        String str_ymd =  matcher.group(0);
        return str_ymd;
    }
    return null;
}
}

好了，代码已经放上去了，这时候我们就需要加上定时器了（此定时器因为是spring自带的，所以比较简单易懂）

@Configuration //声明是一个配置类
@EnableScheduling //开启定时任务
public class MeteorologicalTask {

@Autowired
MeteorologicalService meteorologicalService;

//    @Scheduled(cron = "0 0 1 * * ?")  //执行周期（每天凌晨一点执行）（不知道定时时间怎么处理，可以网上看一下 cron）
@Scheduled(cron = "*/5 * * * * ?")//每5秒执行一次
public void work() {
//文件路径
    File file = new File("C:\\Users\\qps12\\Desktop\\气象局2");
    //获得文件夹下所有文件或者文件夹
    File[] fileList = file.listFiles();

    for (int i = 0; i < fileList.length; i++) {
        if (fileList[i].isFile()) {      //只检查文件.并且遍历
            File currentFile  = fileList[i];
            String path = currentFile.getAbsolutePath();  //当前文件的绝对路径
            try {
                meteorologicalService.testReadByDoc(path);  //执行解析、封装、保存数据
            } catch (Exception e) {
                e.printStackTrace();
                return;
            }
            currentFile.delete();   //删除文件
        }
    }
}

}
注：此方法只适用于那种格式类型几乎一致的文档处理，如果想处理一些没有规则的文档，最好还是使用模糊匹配的方法（还没研究，所以不会哈哈），另外贴一下，我自己处理的文档：