Apache POI读取数据库存储的Docx文件报错NotOfficeXmlFileException求助

报错信息：

org.apache.poi.openxml4j.exceptions.NotOfficeXmlFileException: No valid entries or contents found, this is not a valid OOXML (Office Open XML) file

这个错误说明从数据库取出的字节数组不是有效的OOXML格式文件，以下是具体排查和解决步骤：

1. 验证字节数组的有效性 #

• 将数据库中的字节数组导出为本地文件，尝试用Microsoft Word或WPS打开：
  • 如果打不开，说明文件在上传或存储过程中已损坏。
  • 如果能打开，再用POI直接读取本地文件测试，排除代码逻辑问题。
• 代码中可添加格式校验：docx本质是ZIP压缩包，开头字节应为PK\x03\x04，可在读取前检查：

  if (byteArray.length < 4 || byteArray[0] != 'P' || byteArray[1] != 'K' || byteArray[2] != 0x03 || byteArray[3] != 0x04) {
      throw new IllegalArgumentException("不是有效的Docx文件");
  }
  

2. 检查上传与存储流程 #

• 上传环节：确认上传代码使用的是字节流读取文件，而非字符流。如果用Reader类读取二进制文件，会导致字节编码错误，破坏文件结构。正确示例：

  // 上传时读取文件的正确方式
  try (InputStream is = file.getInputStream()) {
      byte[] content = IOUtils.toByteArray(is);
      // 存储content到数据库
  }
  

• 数据库存储：确认存储字节数组的字段类型为二进制类型（如BLOB、LONGBLOB），而非文本类型（TEXT、VARCHAR）。文本类型会将二进制数据按字符编码存储，导致数据损坏。

3. 优化代码的可靠性 #

• 使用try-with-resources自动关闭流，避免手动关闭时的异常吞掉问题：

  public static KcDocx fromByteArray(byte[] byteArray) {
      try (ByteArrayInputStream inputStream = new ByteArrayInputStream(byteArray)) {
          XWPFDocument doc = new XWPFDocument(inputStream);
          return KcDocx.buildDoc(doc);
      } catch (IOException e) {
          log.warn("KcDocReaderBytes", e);
          throw new RuntimeException(e);
      }
  }
  

• 添加日志记录字节数组长度，对比原始上传文件的大小。如果长度不一致，说明存储或读取时数据丢失。

4. 排查文件本身的类型问题 #

• 确认用户上传的文件是真的docx格式，而非将doc文件改后缀伪装的。doc格式需要用HWPFDocument读取，而非XWPFDocument。可添加类型判断逻辑：

  // 简单区分doc和docx
  if (byteArray[0] == 'P' && byteArray[1] == 'K') {
      // docx格式，用XWPFDocument
  } else if (byteArray[0] == 0xD0 && byteArray[1] == 0xCF && byteArray[2] == 0x11 && byteArray[3] == 0xE0) {
      // doc格式，用HWPFDocument
  } else {
      throw new IllegalArgumentException("不支持的文档格式");
  }
  

内容的提问来源于stack exchange，提问作者Nelvan Resi