POI读取word2007+

最新推荐文章于 2023-12-22 14:52:39 发布
最新推荐文章于 2023-12-22 14:52:39 发布
阅读量692 收藏 2
点赞数
分类专栏： java Word 文章标签： Word
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq1620851849/article/details/79812654
版权
java 同时被 2 个专栏收录
18 篇文章 0 订阅
订阅专栏
Word
1 篇文章 0 订阅
订阅专栏


    很多人使用POI读取word的时候都会这么写：

1
2
3
InputStream inputStream =  new  FileInputStream( new  File( "e://company/test.docx" ));
XWPFDocument document =  new  XWPFDocument(inputStream);
System.out.println( new  XWPFWordExtractor(document).getText());

    但是这个方法其实有非常多的问题的，文本框里面的内容读取不到，换行也有问题。那么我改进了一下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
/**
  * 处理2007+的WORD
  * @param filePath 文件地址
  * @return word内容
  */
private  static  String read2007(String filePath) {
     InputStream inputStream =  null ;
     StringBuffer content =  new  StringBuffer();
     try  {
         inputStream =  new  FileInputStream( new  File(filePath));
         XWPFDocument document =  new  XWPFDocument(inputStream);
         // 读取非表格文本框
         for  (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
             for (XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                 content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
             }
         }
         // 读取表格内文本框
         for (XWPFTable xwpfTable : document.getTables()) {
             for  (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                 for  (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                     for  (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                         for (XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                             content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                         }
                     }
                 }
             }
         }
         // 读取表格内容
         for (XWPFTable xwpfTable : document.getTables()) {
             for  (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                 for  (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                     for  (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                         content.append(xwpfParagraph.getText()).append(NEW_LINE);
                     }
                 }
             }
         }
         return  content.toString();
     }  catch  (IOException e) {
         logger.error( "解析word错误，文件地址："  + filePath, e);
     }  finally  {
         IOUtils.closeQuietly(inputStream);
     }
     return  null ;
}
 
/**
  * 获取XML内容，可以使用递归cursor.getDomNode()
  * @param xml xml
  * @return xml内容
  */
private  static  String getXMLContent(String xml) {
     StringBuffer content =  new  StringBuffer();
     Document document;
     try  {
         document = DocumentHelper.parseText(xml);
         List<?> namespaces = document.getRootElement().declaredNamespaces();  // 判断是否有表格包含文本框
         boolean  hasboxintab =  false ;
         for  (Object object : namespaces) {
             Namespace namespace = (Namespace) object;
             if (NAMESPANCE_OF_TEXTBOX_IN_TABLE.equals(namespace.getPrefix())) {
                 hasboxintab =  true ;
                 break ;
             }
         }
         if (!hasboxintab)
             return  content.toString();
         for (Object node : document.selectNodes( "//mc:Fallback//w:p" )) {
             for (Object nodeb : ((Node) node).selectNodes( ".//w:t" )) {
                 if (StringUtils.isNotEmpty(((Node) nodeb).getText()))
                     content.append(((Node) nodeb).getText());
             }
             content.append(NEW_LINE);
         }
     }  catch  (DocumentException e) {
         logger.error( "XML转化错误，内容："  + xml, e);
     }
     return  content.toString();
}

    2003版本简单一些：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
/**
  * 处理2003的WORD
  * @param filePath 文件地址
  * @return word内容
  */
private  static  String read2003(String filePath) {
     InputStream inputStream =  null ;
     StringBuffer content =  new  StringBuffer();
     try  {
         inputStream =  new  FileInputStream( new  File(filePath));
         HWPFDocument document =  new  HWPFDocument(inputStream);
         String text =  null ;
         for  ( int  i =  0 ; i < document.getMainTextboxRange().numParagraphs(); i++) {  // 文本框
             text = document.getMainTextboxRange().getParagraph(i).text();
             if (StringUtils.isNotEmpty(text))
                 content.append(text).append(NEW_LINE);
         }
         for  ( int  i =  0 ; i < document.getRange().numParagraphs(); i++) {  // 非文本框
             text = document.getRange().getParagraph(i).text();
             if (StringUtils.isNotEmpty(text) && StringUtils.isNotEmpty(text.trim()))  // 注意这里的trim()方法否者会出现乱码
                 content.append(text.trim()).append(NEW_LINE);
         }
         return  content.toString();
     }  catch  (FileNotFoundException e) {
         logger.error( "解析word错误，文件地址："  + filePath, e);
     }  catch  (IOException e) {
         logger.error( "解析word错误，文件地址："  + filePath, e);
     }  finally  {
         IOUtils.closeQuietly(inputStream);
     }
     return  null ;
}

    注意：读取出的内容为表格里面的内容，文本框内容和直接写在编辑区里面的文本，其他的一些诸如：批注，引用等一些信息可能读取不到，需要的请自行解决。

    比较完整的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
import  java.io.File;
import  java.io.FileInputStream;
import  java.io.FileNotFoundException;
import  java.io.IOException;
import  java.io.InputStream;
 
import  org.apache.commons.io.FilenameUtils;
import  org.apache.commons.io.IOUtils;
import  org.apache.commons.lang.StringUtils;
import  org.apache.log4j.Logger;
import  org.apache.poi.hwpf.HWPFDocument;
import  org.apache.poi.xwpf.usermodel.XWPFDocument;
import  org.apache.poi.xwpf.usermodel.XWPFParagraph;
import  org.apache.poi.xwpf.usermodel.XWPFRun;
import  org.apache.poi.xwpf.usermodel.XWPFTable;
import  org.apache.poi.xwpf.usermodel.XWPFTableCell;
import  org.apache.poi.xwpf.usermodel.XWPFTableRow;
import  org.dom4j.Document;
import  org.dom4j.DocumentException;
import  org.dom4j.DocumentHelper;
import  org.dom4j.Node;
 
/**
  * WordReaderUtils - WORD 读取
  * 
  * @author 500d Team
  * @version 1.0
  */
public  class  WordReaderUtils {
 
     private  static  final  String WORD_2003 =  "doc" ;
     private  static  final  String WORD_2007 =  "docx" ;
     private  static  final  Logger logger = Logger.getLogger(WordReaderUtils. class );
     public  static  final  String NEW_LINE =  "\r\n" ;
     
     public  static  String read(String filePath) {
         File wordFile = StringUtils.isNotEmpty(filePath) ?  new  File(filePath) :  null ;
         if  (wordFile ==  null  || !wordFile.exists() || !wordFile.isFile())
             return  null ;
         String extension = FilenameUtils.getExtension(filePath);
         if (StringUtils.isEmpty(extension))
             return  null ;
         String content =  null ;
         if (WORD_2003.equals(extension.toLowerCase()))
             content = read2003(filePath);
         else  if (WORD_2007.equals(extension.toLowerCase()))
             content = read2007(filePath);
         return  Crossover.handle(content);
     }
     
     /**
      * 处理2003的WORD
      * @param filePath 文件地址
      * @return word内容
      */
     private  static  String read2003(String filePath) {
         InputStream inputStream =  null ;
         StringBuffer content =  new  StringBuffer();
         try  {
             inputStream =  new  FileInputStream( new  File(filePath));
             HWPFDocument document =  new  HWPFDocument(inputStream);
             String text =  null ;
             for  ( int  i =  0 ; i < document.getMainTextboxRange().numParagraphs(); i++) {
                 text = document.getMainTextboxRange().getParagraph(i).text();
                 if (StringUtils.isNotEmpty(text))
                     content.append(text).append(NEW_LINE);
             }
             for  ( int  i =  0 ; i < document.getRange().numParagraphs(); i++) {
                 text = document.getRange().getParagraph(i).text();
                 if (StringUtils.isNotEmpty(text) && StringUtils.isNotEmpty(text.trim()))  // 注意这里的trim()方法否者会出现乱码
                     content.append(text.trim()).append(NEW_LINE);
             }
             return  content.toString();
         }  catch  (FileNotFoundException e) {
             logger.error( "解析word错误，文件地址："  + filePath, e);
         }  catch  (IOException e) {
             logger.error( "解析word错误，文件地址："  + filePath, e);
         }  finally  {
             IOUtils.closeQuietly(inputStream);
         }
         return  null ;
     }
     
     /**
      * 处理2007+的WORD
      * @param filePath 文件地址
      * @return word内容
      */
     private  static  String read2007(String filePath) {
         InputStream inputStream =  null ;
         StringBuffer content =  new  StringBuffer();
         try  {
             inputStream =  new  FileInputStream( new  File(filePath));
             XWPFDocument document =  new  XWPFDocument(inputStream);
             // 读取非表格文本框
             for  (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
                 for (XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                     content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                 }
             }
             // 读取表格内文本框
             for (XWPFTable xwpfTable : document.getTables()) {
                 for  (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                     for  (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                         for  (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                             for (XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                                 content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                             }
                         }
                     }
                 }
             }
             // 读取表格内容
             for (XWPFTable xwpfTable : document.getTables()) {
                 for  (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                     for  (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                         for  (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                             content.append(xwpfParagraph.getText()).append(NEW_LINE);
                         }
                     }
                 }
             }
             return  content.toString();
         }  catch  (IOException e) {
             logger.error( "解析word错误，文件地址："  + filePath, e);
         }  finally  {
             IOUtils.closeQuietly(inputStream);
         }
         return  null ;
     }
     
     /**
      * 获取XML内容，可以使用递归cursor.getDomNode()
      * @param xml xml
      * @return xml内容
      */
     private  static  String getXMLContent(String xml) {
         StringBuffer content =  new  StringBuffer();
         Document document;
         try  {
             document = DocumentHelper.parseText(xml);
             List<?> namespaces = document.getRootElement().declaredNamespaces();  // 判断是否有表格包含文本框
             boolean  hasboxintab =  false ;
             for  (Object object : namespaces) {
                 Namespace namespace = (Namespace) object;
                 if (NAMESPANCE_OF_TEXTBOX_IN_TABLE.equals(namespace.getPrefix())) {
                     hasboxintab =  true ;
                     break ;
                 }
             }
             if (!hasboxintab)
                 return  content.toString();
             for (Object node : document.selectNodes( "//mc:Fallback//w:p" )) {
                 for (Object nodeb : ((Node) node).selectNodes( ".//w:t" )) {
                     if (StringUtils.isNotEmpty(((Node) nodeb).getText()))
                         content.append(((Node) nodeb).getText());
                 }
                 content.append(NEW_LINE);
             }
         }  catch  (DocumentException e) {
             logger.error( "XML转化错误，内容："  + xml, e);
         }
         return  content.toString();
     }
     
     public  static  void  main(String[] args)  throws  Exception {
//      System.out.println(read("e://company/test.doc"));
//      System.out.println(read("e://company/test.docx"));
     }
     
}

参考文档：http://www.acgist.com/article/206.html

pengpengcoder
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
java poi读取word
08-30
java poi读取word文档，并获取里面的章节数、页码数和批注内容。源码带注释。
JAVA-POI读取word每一段所在页码（附依赖jar包）.zip
08-16
POI无法读取到word每一段所在的页码。我给出了代码和所有的解释，用POI读取word中的页码。也算是小方法了，基本很准确，为什么要加一个基本呢？因为，分页标志符号在第一行为空白行的时候没有分页符！！所以你的文档如果有很多首段空白行的话，不要浪费C币下载啦.---不过我也有处理办法，在demo里面的注释写了哟，亲测有效！---开发测试demo来源于帮我对象写一个工具去处理他们的蒙古文课题内容，开发琢磨不易，希望大家给点c币，我也是一个常用C站付费资源学习的。研究生在读，非高收入人群。且行且珍惜；
NPOI WORD
qzhhj666的专栏
09-23 1094
XWPFParagraph p1 = doc.CreateParagraph();             p1.SetAlignment(ParagraphAlignment.LEFT);             p1.SetBorderBottom(Borders.DOUBLE);             p1.SetBorderTop(Borders.DOUBLE);        
XWPFDocument 中 XWPFRun 操作详解
音乐土豆
12-16 7060
XWPFRun 对象定义具有一组通用属性的文本区域 颜色码表 public static void main(String[] args) throws Exception { XWPFDocument doc = new XWPFDocument(); //创建段落================标题 XWPFParagraph paragraph = doc.createParagraph(); //设置对齐 paragra
Java解决前端传入图片base64编码转换为图片写入本地
weixin_44149903的博客
07-26 1496
File target = new File(targetDirectory, name); Decoder decoder = Base64.getDecoder(); byte[] b = decoder.decode(base64); for (int i = 0; i < b.length; ++i) { if (b[i] < 0) {// 调整异常数据...
[简单]poi读取word 2007简单文本框值
08-09
NULL 博文链接：https://53873039oycg.iteye.com/blog/2187388
poi XWPFDocument文档转换成io流
热门推荐
a843013383的博客
02-27 1万+
使用Poi生成DOC文档之后并没有结束,JAVA中涉及到文件的传输就需要吧文档转换为IO流.直接上代码 XWPFDocument document = new XWPFDocument ();//新建文档 后面NEW方法可以忽略 ByteArrayOutputStream baos = new ByteArrayOutputStream();//二进制OutputStream document.w...
POI读excel数据写成word
chenguixu的博客
07-18 974
poi读取excel内容并生成word文件
Apache POI Word(docx) 入门示例
cong__cong__cong的博客
05-21 1819
Apache POI Word(docx) 入门示例教程 1. 文档XWPFDocument XWPFDocument是对.docx文档操作的高级封装API。 1.1. 创建新文档 XWPFDocument doc = new XWPFDocument(); 1.2. 读取已有文档：段落、表格、图片 XWPFDocument doc = new XWPFDocument(new FileInputStream("./deepoove.docx")); 接下来我们就可以读取文档内容，...
Poi操作word工具类
u012978914的博客
07-02 1156
使用poi封装了常对word的操作，可以作为参考使用
POI读取 word 2003 和 word 2007 的例子
03-12
我自己下载过，直接能运行的项目。代码不多，主要是读取文档，并将文档内容以字符串的形式打印到控制台。别的地方都是5分，我觉得太贵了。2分吧。测试类就一个Test,其他两个是我自己在测试的。
如何使用 Apache POI 在文档文件中设置运行的背景颜色
qq_43159578的博客
05-25 481
import java.io.FileOutputStream; import org.apache.poi.xwpf.usermodel.*; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTShd; import org.openxmlformats.schemas.wordprocessingml.x2006.main.STShd; import org.openxmlformats.schemas.wordp...
java上怎么把文字加边框_Java如何对Word文档中的文本应用边框？
weixin_36212560的博客
03-01 822
在Java编程中，如何对Word文档中的文本应用边框？注意：需要访问网址：http://poi.apache.org/download.html ， 下载一个Apache POI软件包。这里下载最新版本：poi-bin-3.17-20170915.tar.gz解压并将全部.jar文件导入。需要导入全部包，如下图所示 -以下是如何使用Java对Word文档中的文本应用边框的程序。package co...
java的XWPFDocument3.17版本学习
最新发布
NN2016160626的博客
12-22 832
【代码】java的XWPFDocument3.17版本学习笔记。
java使用POI操作XWPFDocument中的XWPFRun（文本）对象的属性详解
baidu_35692846的博客
03-17 3063
我用的是office word 2016版 XWPFRun是XWPFDocument中的一段文本对象（就是一段文字） 创建文档对象 XWPFDocument docxDocument = new XWPFDocument(); 创建段落对象 XWPFParagraph paragraphX = docxDocument.createParagraph(); 创建文本对象（今天的主角：XWPFRun） XWPFRun runX = paragraphX.createRun(); //默认：宋体
用 spire.doc 进行 Word 常用操作的例子
dxayga的博客
04-30 2080
下载连接：Free Spire.Doc for JAVA ｜ 下载 推荐用免费版，使用商业版有水印，删除之后再用这个jar操作会报索引越界的问题。
POI wrod判断下划线，着重点，上下标
zhao_java_drao的博客
07-04 1365
public static boolean isDot(XWPFRun run){ boolean flag=false; if(run.getCTR()!=null){ if(run.getCTR().getRPr()!=null){ if(run.getCTR().getRPr().getEm()!=null){ if(run.getCTR().getRPr().getEm()...
poi word 添加内容时 光标向下迭代生成新的段落
what?
07-23 5100
public static XWPFParagraph newParagraph(XWPFParagraph paragraph){ XmlCursor xmlCursor=paragraph.getCTP().newCursor(); //从段落中获取光标 xmlCursor.toNextSibling(); //将光标移动...
java 获取换行符_Apache POI从XWPFRun获得换行符
weixin_35255536的博客
02-22 1884
我在使用Apache POI 3.15从docx文件中读取空格时遇到问题 . 我有一个带有换行符的Word文档，当通过apache poi读取文件时，我无法找到获取这些换行符的方法 . 当我调用 paragraph.getParagraphText() 时，返回带有换行符的文本 . 当我遍历XWPFRun对象时，我只获得文本和格式，但没有关于换行符的信息 .这是我使用的代码 . br，tab，c...
poi 读取word
07-28
您可以使用 Apache POI 库来读取 Word 文档。下面是一个简单的示例代码，演示了如何使用 POI 读取 Word 文档中的文本内容： ```java import java.io.FileInputStream; import java.io.IOException; import org....

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值