使用Java处理Word文档：删除指定字符串所在段落

在日常工作中，我们经常需要批量处理Word文档，例如删除某些特定的字符串或段落。本文将介绍如何使用Java实现这一功能，并通过代码示例详细说明其实现过程。

---

代码功能和作用

本文提供的Java代码实现了以下功能：

1. 遍历指定文件夹：递归遍历指定文件夹及其子文件夹中的所有文件。

2. 处理.docx文件：筛选出所有.docx格式的Word文档。

3. 删除指定字符串：在文档中查找预定义的字符串列表，如果某个段落包含这些字符串，则清空该段落的内容。

4. 保存修改后的文档：只有在文档内容被修改的情况下，才会保存文件，避免不必要的写入操作。

该代码适用于需要批量清理Word文档内容的场景，例如删除文档中的广告信息、无关段落或特定关键词。

代码实现

以下是完整的Java代码实现：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.Arrays;
import java.util.List;

public class DocxProcessor {

    // 定义要删除的字符串列表
    private static final List<String> deleteStrList = Arrays.asList(
            "相关文章：", "我整理", "我为大家", "仅供参考", "我为大家", "借鉴与参考", "我收集", "我精心", "整理"
    );

    public static void main(String[] args) {
        String folderPath = "F:\\XXX";
        processDocxFiles(folderPath);
    }

    public static void processDocxFiles(String rootFolderPath) {
        File rootFolder = new File(rootFolderPath);
        if (!rootFolder.exists() || !rootFolder.isDirectory()) {
            System.out.println("指定的路径不是一个有效的文件夹。");
            return;
        }

        processFolder(rootFolder);
    }

    private static void processFolder(File folder) {
        File[] files = folder.listFiles();
        if (files == null) {
            return;
        }

        for (File file : files) {
            if (file.isDirectory()) {
                processFolder(file);
            } else if (file.getName().endsWith(".docx")) {
                processDocxFile(file);
            }
        }
    }

    private static void processDocxFile(File file) {
        try (FileInputStream fis = new FileInputStream(file);
             XWPFDocument doc = new XWPFDocument(fis)) {

            boolean deleted = false;

            for (XWPFParagraph para : doc.getParagraphs()) {
                for (String deleteStr : deleteStrList) {
                    if (para.getText().contains(deleteStr)) {
                        para.getRuns().forEach(run -> run.setText("", 0));
                        deleted = true;
                        break;
                    }
                }

                if (deleted) {
                    break;
                }
            }

            if (deleted) {
                try (FileOutputStream fos = new FileOutputStream(file)) {
                    doc.write(fos);
                }
            }

        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

代码说明

1. 依赖库

代码使用了Apache POI库来处理Word文档。Apache POI是一个强大的Java库，支持读写Microsoft Office文件格式（如.docx、.xlsx等）。需要在项目中引入poi-ooxml依赖：

Maven依赖：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>

2. 主要方法

• processDocxFiles：主方法，用于遍历指定文件夹中的所有文件。

• processFolder：递归遍历文件夹及其子文件夹。

• processDocxFile：处理单个.docx文件，查找并删除包含指定字符串的段落。

3. 删除字符串的逻辑

• 代码通过deleteStrList定义了一个字符串列表，包含需要删除的关键词。

• 对于每个段落，代码会检查是否包含列表中的任意一个字符串。如果找到匹配项，则清空该段落的内容。

4. 保存文件

• 只有在文档内容被修改（即deleted标志为true）时，才会保存文件，避免不必要的写入操作。

---

注意事项

1. 依赖库版本：确保使用的Apache POI版本与代码兼容。不同版本的API可能有所差异。

2. 文件格式：代码仅支持.docx格式的Word文档。如果需要处理.doc格式的文档，需要使用HWPF组件。

3. 复杂文档：如果文档中包含表格、图片或其他复杂格式，可能需要额外的处理逻辑。

4. 文件路径：确保指定的文件夹路径存在且有效。如果路径错误，程序会提示错误信息。

5. 性能问题：对于包含大量文件的文件夹，处理时间可能较长。可以考虑优化代码或使用多线程处理。

---

总结

本文通过Java代码实现了批量处理Word文档的功能，能够高效地删除文档中的指定字符串。通过Apache POI库的支持，Java可以轻松处理复杂的Office文档操作。希望本文的内容能够帮助你在实际工作中解决类似的需求！