前段时间有一个客户遇到了一件很奇怪的事情，他在使用程序解析一批word文件时，程序在运行一段时间后总是会自动中断，他查看了导致中断的word文档，发现也能正常打开，当他把文件另存为后，再运行程序发现程序就可以正常往下运行了。他感觉很奇怪，就找我来帮他分析一下原因。

一、问题分析（以下日志和代码均是重现问题后输出的）

首先登录服务器，找到程序的运行日志，打开当天运行的日志文件，查看是否有错误日志，果然发现了错误日志，具体内容如下：

java.lang.IllegalArgumentException: The document is really a OOXML file
        at org.apache.poi.hwpf.HWPFDocumentCore.verifyAndBuildPOIFS(HWPFDocumentCore.java:123)
        at org.apache.poi.hwpf.extractor.WordExtractor.<init>(WordExtractor.java:51)
        at com.file.util.readword.redWordText(Test.java:25)
        at com.file.util.readword.main(Test.java:77)

根据错误日志不难分析出是解析doc文件报错了，根据错误日志可以直接定位到错位代码所在位置，通过反编译工具可以查看它的源码，源码具体如下（看到下面的代码，小伙伴们是否确定了问题的原因了？）：

public static String redWordText(String filePath)  {
        File file=new File(filePath);
        String fileName=file.getName();//获取文件名
        String suffix = fileName.substring(fileName.indexOf("."), fileName.length());//获取文件后缀
        String text="";
        InputStream is = null;
        try {
                is = new FileInputStream(filePath);
                if (StringUtils.equals(suffix, ".doc")) {// 解析doc文件
                        WordExtractor ex = new WordExtractor(is);
                        text = ex.getText();
                        ex.close();
                } else if (StringUtils.equals(suffix, ".docx")) {// 解析docx文件
                        XWPFDocument doc = new XWPFDocument(is);
                        XWPFWordExtractor extractor = new XWPFWordExtractor(doc);
                        text = extractor.getText();
                        extractor.close();
                }
        } catch (Exception e) {
                e.printStackTrace();
        }finally {
                if (is != null) {
                        try {
                                is.close();
                        } catch (IOException e) {
                                e.printStackTrace();
                        }
                }
        }
        return text;
}

当我看到源码后，基本确定了问题出现的原因。

二、原因分析

客户收集上来的文件，渠道是多样的，有些docx文件的后缀被强制修改成了doc后缀，这些修改后的文件还是可以正常打开的。当使用StringUtils.equals(suffix, ".doc")这种直接判断后缀的方式来判断文件类型是返回true的，导致docx文件使用了doc的解析方式，所以报错了。

三、解决办法

针对上面的问题可以使用FileMagic.valueOf(is) == FileMagic.OLE2来判断是否是doc格式文件，具体实现代码如下：

public static String redWordText1(String filePath)  {
        String text = "";
        InputStream is = null;
        try {
                is = new FileInputStream(filePath);
                if (FileMagic.valueOf(is) == FileMagic.OLE2) {
                        WordExtractor ex = new WordExtractor(is);
                        text = ex.getText();
                        ex.close();
                } else if (FileMagic.valueOf(is) == FileMagic.OOXML) {
                        XWPFDocument doc = new XWPFDocument(is);
                        XWPFWordExtractor extractor = new XWPFWordExtractor(doc);
                        text = extractor.getText();
                        extractor.close();
                }
        } catch (Exception e) {
                e.printStackTrace();
        } finally {
                if (is != null) {
                        try {
                                is.close();
                        } catch (IOException e) {
                                e.printStackTrace();
                        }
                }
        }
        return text;
}

四、其他存在的问题

当客户收集的文件的后缀被改成了大写，这种直接判断后缀的方法就无法判断了，需要在判断前把后缀统一成小写。

五、总结

通过上面的分析，小伙伴们以后判断word、excel文件格式时，一定要注意尽量避免直接使用后缀直接判断，推荐使用org.apache.poi.poifs.filesystem.FileMagic类进行判断（ps:专业的事情交给专业的来处理），否则一不小心就挖坑，导致后面的小伙伴又得加班填坑了。#头号有新人#