]> source.dussan.org Git - poi.git/commitdiff
Update OutlookTextExtractor to request 7 bit encoding guessing
authorNick Burch <nick@apache.org>
Fri, 1 Apr 2011 15:02:14 +0000 (15:02 +0000)
committerNick Burch <nick@apache.org>
Fri, 1 Apr 2011 15:02:14 +0000 (15:02 +0000)
git-svn-id: https://svn.apache.org/repos/asf/poi/trunk@1087734 13f79535-47bb-0310-9956-ffa450edef68

src/documentation/content/xdocs/status.xml
src/scratchpad/src/org/apache/poi/hsmf/datatypes/StringChunk.java
src/scratchpad/src/org/apache/poi/hsmf/extractor/OutlookTextExtactor.java
src/scratchpad/testcases/org/apache/poi/hsmf/extractor/TestOutlookTextExtractor.java

index c619413f2025fec16cf48aeab05b6c5ab4bbe535..a4a3250d178f2fef956c60042b16695778925080 100644 (file)
@@ -34,6 +34,7 @@
 
     <changes>
         <release version="3.8-beta3" date="2011-??-??">
+           <action dev="poi-developers" type="fix">OutlookTextExtractor now requests 7 bit encoding guessing</action>
            <action dev="poi-developers" type="add">Improve HSMF encoding guessing for 7 bit fields in MAPIMessage</action>
            <action dev="poi-developers" type="add">Allow HSMF access to the HTML body contents in MAPIMessage</action>
         </release>
index 19a2f13efafe6d510e1bb7b3e66d37fca5c3ee24..133389bbcc7a3f4e98410eae16cbbc0d72d84ba1 100644 (file)
@@ -32,9 +32,8 @@ import org.apache.poi.util.StringUtil;
 public class StringChunk extends Chunk {
    private static final String DEFAULT_ENCODING = "CP1252"; 
    private String encoding7Bit = DEFAULT_ENCODING;
-   private String value;
-   /** Only kept around for 7 bit strings */
    private byte[] rawValue;
+   private String value;
 
        /**
         * Creates a String Chunk.
@@ -72,23 +71,22 @@ public class StringChunk extends Chunk {
 
           // Re-read the String if we're a 7 bit one
           if(type == Types.ASCII_STRING) {
-             parseString(rawValue);
+             parseString();
           }
        }
 
        public void readValue(InputStream value) throws IOException {
-          byte[] data = IOUtils.toByteArray(value);
-          parseString(data);
+          rawValue = IOUtils.toByteArray(value);
+          parseString();
        }
-       private void parseString(byte[] data) {
+       private void parseString() {
           String tmpValue;
           switch(type) {
           case Types.ASCII_STRING:
-             tmpValue = parseAs7BitData(data, encoding7Bit);
-             this.rawValue = data;
+             tmpValue = parseAs7BitData(rawValue, encoding7Bit);
              break;
           case Types.UNICODE_STRING:
-             tmpValue = StringUtil.getFromUnicodeLE(data);
+             tmpValue = StringUtil.getFromUnicodeLE(rawValue);
              break;
           default:
              throw new IllegalArgumentException("Invalid type " + type + " for String Chunk");
@@ -99,34 +97,46 @@ public class StringChunk extends Chunk {
        }
        
        public void writeValue(OutputStream out) throws IOException {
-          byte[] data;
-          
+          out.write(rawValue);
+       }
+       private void storeString() {
       switch(type) {
       case Types.ASCII_STRING:
          try {
-            data = value.getBytes(encoding7Bit);
+            rawValue = value.getBytes(encoding7Bit);
          } catch (UnsupportedEncodingException e) {
             throw new RuntimeException("Encoding not found - " + encoding7Bit, e);
          }
          break;
       case Types.UNICODE_STRING:
-         data = new byte[value.length()*2];
-         StringUtil.putUnicodeLE(value, data, 0);
+         rawValue = new byte[value.length()*2];
+         StringUtil.putUnicodeLE(value, rawValue, 0);
          break;
       default:
          throw new IllegalArgumentException("Invalid type " + type + " for String Chunk");
       }
-      
-      out.write(data);
        }
        
+       /**
+        * Returns the Text value of the chunk
+        */
    public String getValue() {
       return this.value;
    }
-       public String toString() {
-               return this.value;
-       }
+   
+   public byte[] getRawValue() {
+      return this.rawValue;
+   }
 
+   public void setValue(String str) {
+      this.value = str;
+      storeString();
+   }
+   
+   public String toString() {
+      return this.value;
+   }
+   
    /**
     * Parses as non-unicode, supposedly 7 bit CP1252 data
     *  and returns the string that that yields.
index 34e4737973303ec5e44fe75d09f39066e1beafe9..bc12df433c4acd162ecfc7707fe3f021a4d32126 100644 (file)
@@ -16,6 +16,7 @@
 ==================================================================== */
 package org.apache.poi.hsmf.extractor;
 
+import java.io.File;
 import java.io.IOException;
 import java.io.InputStream;
 import java.text.SimpleDateFormat;
@@ -56,6 +57,15 @@ public class OutlookTextExtactor extends POIOLE2TextExtractor {
    public OutlookTextExtactor(InputStream inp) throws IOException {
       this(new MAPIMessage(inp));
    }
+   
+   public static void main(String[] args) throws Exception {
+      for(String filename : args) {
+         OutlookTextExtactor extractor = new OutlookTextExtactor(
+               new NPOIFSFileSystem(new File(filename))
+         );
+         System.out.println( extractor.getText() );
+      }
+   }
 
    /**
     * Returns the underlying MAPI message
@@ -71,6 +81,11 @@ public class OutlookTextExtactor extends POIOLE2TextExtractor {
       MAPIMessage msg = (MAPIMessage)document;
       StringBuffer s = new StringBuffer();
       
+      // See if we can get a suitable encoding for any
+      //  non unicode text in the file
+      msg.guess7BitEncoding();
+      
+      // Off we go
       StringsIterator emails;
       try {
          emails = new StringsIterator(
index ccbb681f5975e280bea7f35bd493712779f08fd4..1c86712b9c420cbbe17f4d996cf46923093bcd49 100644 (file)
@@ -199,4 +199,21 @@ public final class TestOutlookTextExtractor extends TestCase {
       // Embeded bits are checked in
       //  TestExtractorFactory
    }
+   
+   public void testEncodings() throws Exception {
+      POIFSFileSystem simple = new POIFSFileSystem(
+            new FileInputStream(samples.getFile("chinese-traditional.msg"))
+      );
+      MAPIMessage msg = new MAPIMessage(simple);
+      OutlookTextExtactor ext = new OutlookTextExtactor(msg);
+      String text = ext.getText();
+      
+      // Check the english bits
+      assertContains(text, "From: Tests Chang@FT");
+      assertContains(text, "tests.chang@fengttt.com");
+      
+      // And check some chinese bits
+      assertContains(text, "(\u5f35\u6bd3\u502b)");
+      assertContains(text, "( MSG \u683c\u5f0f\u6e2c\u8a66 )");
+   }
 }