如何选择特定文本文件并使用Apache POI解析文本文件搜索关键词

嘿，我来帮你一步步搞定这个问题！首先得明确：Apache POI主要是用来处理微软Office格式文件的（比如.doc/.docx、.xls/.xlsx这类），如果是纯.txt文件，其实用Java原生IO就够了，但既然你指定要用POI，咱们就重点聊Office文档的处理方案。

第一步：准备好依赖 #

如果用Maven管理项目，先把POI的依赖加进去。以处理最常用的.docx文件为例，在pom.xml里添加：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.5</version> <!-- 选最新稳定版就好 -->
</dependency>

要是需要处理旧版的.doc二进制文件，还要再加个poi-scratchpad依赖，版本保持一致就行。

第二步：筛选出你要处理的特定文件 #

比如你想批量处理某个目录下所有的.docx文件，可以写个简单的工具方法来筛选：

import java.io.File;
import java.util.ArrayList;
import java.util.List;

public class FilePicker {
    public static List<File> pickTargetFiles(String folderPath, String fileSuffix) {
        List<File> targetFiles = new ArrayList<>();
        File folder = new File(folderPath);
        
        if (!folder.isDirectory()) {
            System.out.println("指定的路径不是有效目录哦！");
            return targetFiles;
        }
        
        // 过滤出后缀匹配的文件
        File[] files = folder.listFiles((file, name) -> name.toLowerCase().endsWith(fileSuffix));
        if (files != null) {
            for (File file : files) {
                targetFiles.add(file);
            }
        }
        return targetFiles;
    }
}

这个方法传入目录路径和文件后缀（比如".docx"），就能返回所有符合条件的文件列表，轻松搞定“选择特定文件”的需求。

第三步：用POI解析文件并搜索关键词 #

接下来就是核心操作了——解析文件内容，查找指定关键词。还是以.docx为例，写个搜索工具类：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import java.io.FileInputStream;
import java.io.IOException;

public class KeywordSearcher {
    public static void searchInFile(File file, String keyword) {
        // 用try-with-resources自动关闭流，避免资源泄漏
        try (FileInputStream fis = new FileInputStream(file);
             XWPFDocument doc = new XWPFDocument(fis)) {
            
            System.out.println("正在搜索文件：" + file.getName());
            int paragraphNum = 0;
            
            // 遍历文档里的每一段文本
            for (XWPFParagraph paragraph : doc.getParagraphs()) {
                paragraphNum++;
                String paraText = paragraph.getText();
                if (paraText.contains(keyword)) {
                    // 输出找到的位置和上下文片段，方便查看
                    System.out.printf("在第%d段找到关键词「%s」，上下文：%s%n", 
                            paragraphNum, keyword, getContextSnippet(paraText, keyword));
                }
            }
            
        } catch (IOException e) {
            System.err.println("解析文件时出错了：" + file.getName());
            e.printStackTrace();
        }
    }
    
    // 辅助方法：截取包含关键词的上下文片段，太长的文本看着累
    private static String getContextSnippet(String text, String keyword) {
        int keywordPos = text.indexOf(keyword);
        int start = Math.max(0, keywordPos - 30);
        int end = Math.min(text.length(), keywordPos + keyword.length() + 30);
        return "..." + text.substring(start, end) + "...";
    }
}

思路很简单：打开文档，逐段读取文本，检查是否包含关键词，找到就输出位置和上下文。如果是处理.doc文件，把XWPFDocument换成HWPFDocument，遍历逻辑基本一致。

第四步：整合起来用 #

把上面的工具类串起来，就能完成整个流程了：

public class Main {
    public static void main(String[] args) {
        String targetFolder = "你要处理的文件夹路径";
        String fileType = ".docx";
        String targetKeyword = "你要搜索的关键词";
        
        // 筛选目标文件
        List<File> filesToProcess = FilePicker.pickTargetFiles(targetFolder, fileType);
        
        // 逐个搜索关键词
        for (File file : filesToProcess) {
            KeywordSearcher.searchInFile(file, targetKeyword);
        }
    }
}

一些小提醒 #

• 尽量用最新稳定版的POI，避免版本兼容坑；
• 处理超大文件时，建议用SAX模式解析，不然容易内存溢出；
• 如果是Excel文件，思路类似：用XSSFWorkbook（.xlsx）遍历单元格，检查单元格文本是否包含关键词就行。

内容的提问来源于stack exchange，提问作者Jason Becker