这是poi-3.7-20101029.jar下载，多年以来，Apache POI已经为所有项目支持的文件格式提供了基本的文本提取。另外，除了（简单）文本之外，这些文件还提供对与给定文件相关联的元数据的访问，例如标题和作者。
poi-3.7-20101029.jar是如果您是通过交钥匙文本提取（包括最新支持，样式等），强烈建议您使用 Apache Tika，它将构建在POI之上，以提供文本和元数据提取。如果您希望有一些非常简单和独立的东西，或者您希望进行大量修改，那么POI提供的文本提取器可能会更适合您的需求。
所有POI文本提取器都从org.apache.poi.POITextExtractor扩展 。这提供了所有提取器getText（）的通用方法。在许多情况下，返回的文本将是您需要的。然而，许多提取器确实提供更有针对性的文本提取方法，因此您可能希望在某些情况下使用这些方法。
所有基于POIFS / OLE 2的文本提取器也从org.apache.poi.POIOLE2TextExtractor扩展 。这另外提供了获取HPFS文档元数据的常用方法。
所有基于OOXML的文本提取器也从org.apache.poi.POIOOXMLTextExtractor扩展 。这另外提供了获取OOXML元数据的常用方法。
文字提取工厂
POI提供了一个常见的类，根据提供的文档内容为您选择适当的文本提取器。 org.apache.poi.extractor.ExtractorFactory提供与WorkbookFactory类似的功能。您只需传递一个InputStream，一个文件，一个POIFSFileSystem或一个OOXML包。它为您确定正确的文本提取器，并返回。
对于完整的检测和文本提取器自动选择，强烈建议用户调查 Apache Tika。
Excel
对于.xls文件，有 org.apache.poi.hssf.extractor.ExcelExtractor，它将返回文本，可选地使用公式而不是其内容。同样，对于.xlsx文件，还有 org.apache.poi.xssf.extractor.XSSFExcelExtractor，它提供相同的功能。
对于那些在有限的内存占用空间中工作的人员，还有两个可用的Excel文本提取器。对于.xls文件，它是基于流式EventUserModel代码的 org.apache.poi.hssf.extractor.EventBasedExcelExtractor，通常会提供较低的内存占用以进行提取。但是，正确输出更复杂的公式将会出现问题，因为它们与记录一起工作，因此无法访问复杂和共享公式的所有部分。对于.xlsx文件，等效的是 基于XSSF SAX事件代码库的org.apache.poi.xssf.extractor.XSSFEventBasedExcelExtractor。
词
对于来自Word 97 - Word 2003的.doc文件，在暂存器中有 org.apache.poi.hwpf.extractor.WordExtractor，它将返回文档的文本。
使用POI 3.7的用户也可以使用scratchpad类org.apache.poi.hwpf.extractor.Word6Extractor从旧的Word 6和Word 95文件中提取简单的文本内容 。
对于.docx文件，相关类是 org.apache.poi.xwpf.extractor.XPFFWordExtractor
PowerPoint
对于.ppt文件，在暂存器中有 org.apache.poi.hslf.extractor.PowerPointExtractor，它将返回幻灯片的文本，可选地仅限于幻灯片文本或笔记文本。对于.pptx文件，要使用的类是 org.apache.poi.xslf.extractor.XSLFPowerPointExtractor
出版商
对于.pub文件，在暂存器中有 org.apache.poi.hpbf.extractor.PublisherExtractor，它将返回文件的文本。
Visio
对于.vsd文件，在暂存器中有 org.apache.poi.hdgf.extractor.VisioTextExtractor，它将返回文件的文本。
嵌入对象
Extractors已经存在Excel，Word，PowerPoint和Visio; 如果这些对象之一嵌入到工作表中，则ExtractorFactory类可用于为其恢复提取器。
Java POI读取Office excel (2003，2007)及相关jar包 其中必要的poi-ooxml-schemas-3.7-20101029.jar，对于操作word实现一些模板化的功能很有帮助的jar包.
