我遇到的问题是,当我创建一个带有 .pdf 类型的嵌入(ole)文件的 docx 文档时,/embeddings 文件夹中生成的二进制文件比原始文档大。
我插入了一个大小为 52076 字节的文档。如果我将 .docx 重命名为 zip 并打开它,oleObject1.bin 有 55296 字节
现在,当我想用 Apache POI 提取文件时,该文件在那里但已损坏。
有任何想法吗?(我首先想到它可能被压缩了?)
谢谢
好的,我发现了问题:
例如,对于 docx,文件前有一些数据块(RootEntry、ObjInfo、Contents 等)。使用十六进制编辑器,您会看到文件从后面的某个地方开始。我通过查看目录是哪种类型来修复我的提取器 - 对于 pdf,您必须查看 CONTENTS 目录条目:
private void writeBinaryPackagePart(PackagePart part, File targetfolder, String extension, String fileName) throws IOException {
if (StringUtils.isEmpty(fileName)) {
fileName = generateUniqueId(OleExtractorUtils.OfficeType.BINARY).concat(".").concat(extension);
}
InputStream inputStream = FileMagic.prepareToCheckMagic(part.getInputStream());
try {
if (FileMagic.valueOf(inputStream) == FileMagic.OLE2) {
try (NPOIFSFileSystem npoifsFileSystem = new NPOIFSFileSystem(inputStream)) {
if (isOle10Native(npoifsFileSystem.getRoot())) {
byte[] dataBuffer = Ole10Native.createFromEmbeddedOleObject(npoifsFileSystem.getRoot()).getDataBuffer();
writeOle10NativeObject(dataBuffer, fileName, targetfolder);
}
else if (npoifsFileSystem.getRoot().getEntryNames().contains("CONTENTS"))
try (DocumentInputStream contents = npoifsFileSystem.createDocumentInputStream("CONTENTS")) {
writeOle10NativeObject(IOUtils.toByteArray(contents), fileName, targetfolder);
}
}
}
}
catch (Exception e) {
LOGGER.warn("Cannot create Ole10Native from Object {}! Writing the following binary: {}", part.getPartName(), fileName);
ServiceUtil.moveUploadedFileToExistingTempFolder(inputStream, fileName, targetfolder);
inputStream.close();
}
}
private boolean isOle10Native(DirectoryNode directoryNode) {
String ole10Native = Ole10Native.OLE10_NATIVE;
Iterator<Entry> entries = directoryNode.getEntries();
while(entries.hasNext()) {
Entry entry = entries.next();
if (entry.getName().contains(ole10Native)) {
return true;
}
}
return false;
}
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句