在Android Studio中使用Java实现选择.doc文件并提取文本的方法

1. 前置功能：文件选择实现 #

• 适配Android 11（API 30）及以上版本：直接使用Activity Result API调用系统文件选择器，过滤MIME类型为application/msword即可选中DOC文件，无需申请额外存储权限。
• 适配Android 10及以下版本：先动态申请READ_EXTERNAL_STORAGE存储权限，再调用文件选择器获取目标文件的Uri。

2. DOC文本提取核心方案 #

方案一：裁剪版Apache POI 本地解析 #

原生Apache POI包体积过大，安卓端推荐使用社区裁剪适配的版本，避免包体积过度膨胀

• 首先在模块级build.gradle中引入适配依赖：

implementation 'com.github.SUPERCILEX.poi-android:poi:3.17'
implementation 'com.github.SUPERCILEX.poi-android:poi-ooxml:3.17'

• 提取文本的核心代码示例：

// 仅示例逻辑，实际开发需添加异常捕获、资源关闭、子线程执行逻辑
InputStream inputStream = getContentResolver().openInputStream(targetFileUri);
HWPFDocument doc = new HWPFDocument(inputStream);
WordExtractor extractor = new WordExtractor(doc);
String extractedText = extractor.getText();
// 依次关闭extractor、doc、inputStream资源

• 特点：离线可用，DOC格式解析准确率高，适配绝大多数文档场景；包体积会增加3~5M左右。

方案二：轻量原生解析库解析 #

如果对包体积要求极高，可以选择集成封装了antiword的安卓原生适配库，通过底层C代码完成DOC解析

• 特点：包体积增量不到1M，解析速度快；对包含复杂表格、大量嵌入资源的DOC文件解析准确率低于POI方案。

方案三：后端中转解析 #

如果应用自带后端服务，可将选中的DOC文件上传至后端，由后端完成解析后返回文本结果到移动端

• 特点：不占用移动端包体积，解析逻辑统一在后端维护更方便；必须联网才能使用，需要额外开发后端解析接口。

注意：所有文件IO操作、解析逻辑都必须放在子线程执行，避免阻塞主线程触发ANR，操作完成后需及时释放资源避免内存泄漏。

内容的提问来源于stack exchange，提问作者Tauseef Rehman