如何在JSF PrimeFaces中读取Doc、Docx及PDF文件

嘿，这个需求在企业项目里挺常见的，我结合实际项目经验给你梳理一套可行的方案——核心是借助Java生态里成熟的文件处理库，再结合PrimeFaces的文件上传能力来实现：

一、先准备依赖（Maven为例） #

首先得把处理三种文件的Java库引入项目，在pom.xml里添加这些依赖：

<!-- PDF处理：Apache PDFBox -->
<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.32</version> <!-- 用最新稳定版即可 -->
</dependency>

<!-- Docx处理：Apache POI XWPF -->
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>

<!-- Doc处理：Apache POI HWPF（仅支持旧版.doc格式） -->
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>5.2.3</version>
</dependency>

<!-- PrimeFaces文件上传依赖（未添加的话需要补上） -->
<dependency>
    <groupId>org.primefaces</groupId>
    <artifactId>primefaces</artifactId>
    <version>12.0.0</version> <!-- 对应你的PrimeFaces版本 -->
</dependency>

二、前端用PrimeFaces文件上传组件 #

在JSF页面里用<p:fileUpload>实现用户文件上传，这里用高级模式示例，方便实时反馈：

<h:form enctype="multipart/form-data">
    <p:fileUpload 
        fileUploadListener="#{fileReaderBean.handleFileUpload}"
        mode="advanced"
        allowTypes="/(\.|\/)(pdf|doc|docx)$/"
        update="outputPanel"
        label="选择文件"
        uploadLabel="上传读取"
        cancelLabel="取消"/>
    
    <p:panel id="outputPanel" header="读取结果">
        <h:outputText value="#{fileReaderBean.fileContent}" escape="false"/>
    </p:panel>
</h:form>

这里通过allowTypes限制了仅允许上传目标格式文件，避免后续处理不必要的文件类型。

三、后端JSF Bean实现读取逻辑 #

创建一个请求作用域的Bean，处理文件上传和三种格式的读取逻辑：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.primefaces.event.FileUploadEvent;
import org.primefaces.model.UploadedFile;

import javax.faces.bean.ManagedBean;
import javax.faces.bean.RequestScoped;
import java.io.IOException;
import java.io.InputStream;

@ManagedBean
@RequestScoped
public class FileReaderBean {

    private String fileContent;

    public void handleFileUpload(FileUploadEvent event) {
        UploadedFile uploadedFile = event.getFile();
        String fileName = uploadedFile.getFileName();
        InputStream inputStream = null;

        try {
            inputStream = uploadedFile.getInputstream();
            // 可以用MIME类型判断更准确，这里先用文件名后缀做快速判断
            if (fileName.endsWith(".pdf")) {
                this.fileContent = readPdfContent(inputStream);
            } else if (fileName.endsWith(".docx")) {
                this.fileContent = readDocxContent(inputStream);
            } else if (fileName.endsWith(".doc")) {
                this.fileContent = readDocContent(inputStream);
            } else {
                this.fileContent = "不支持的文件类型！";
            }
        } catch (IOException e) {
            this.fileContent = "读取文件出错：" + e.getMessage();
            e.printStackTrace();
        } finally {
            try {
                if (inputStream != null) {
                    inputStream.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }

    // 读取PDF文本内容
    private String readPdfContent(InputStream inputStream) throws IOException {
        try (PDDocument document = PDDocument.load(inputStream)) {
            PDFTextStripper stripper = new PDFTextStripper();
            return stripper.getText(document).replaceAll("\n", "<br/>"); // 转HTML换行方便页面展示
        }
    }

    // 读取Docx文本内容
    private String readDocxContent(InputStream inputStream) throws IOException {
        try (XWPFDocument document = new XWPFDocument(inputStream)) {
            XWPFWordExtractor extractor = new XWPFWordExtractor(document);
            return extractor.getText().replaceAll("\n", "<br/>");
        }
    }

    // 读取Doc文本内容（仅支持Office 97-2003版.doc）
    private String readDocContent(InputStream inputStream) throws IOException {
        try (WordExtractor extractor = new WordExtractor(inputStream)) {
            return extractor.getText().replaceAll("\n", "<br/>");
        }
    }

    // Getter方法
    public String getFileContent() {
        return fileContent;
    }
}

四、实用小贴士 #

• Doc文件限制：Apache POI的HWPF仅支持旧版Word 97-2003格式，新版Word保存的兼容.doc文件可能部分内容无法完整提取，如果需要更全面的支持，可以考虑第三方商业库（比如Aspose，但需付费）。
• 大文件处理：如果要处理几百MB的大文件，建议不要直接在内存读取，改用流式处理或临时文件缓存，避免内存溢出。
• 更准确的类型判断：示例用文件名后缀判断，实际项目可以用uploadedFile.getContentType()判断MIME类型：PDF对应application/pdf，Docx对应application/vnd.openxmlformats-officedocument.wordprocessingml.document，Doc对应application/msword。
• 友好异常提示：示例仅做了简单捕获，实际可以结合JSF的FacesMessage给用户弹出友好提示，比如：FacesContext.getCurrentInstance().addMessage(null, new FacesMessage(FacesMessage.SEVERITY_ERROR, "错误", "读取文件失败，请检查文件是否损坏"));

内容的提问来源于stack exchange，提问作者Venkat