Java使用POI解析Word文本【.doc和.docx】

最新推荐文章于 2024-09-26 16:30:58 发布

「已注销」

最新推荐文章于 2024-09-26 16:30:58 发布

阅读量3.2k

点赞数 2

分类专栏： # I/O 文章标签： java poi msword

本文链接：https://blog.csdn.net/qq_43222869/article/details/106835255

版权

本文介绍如何使用Java的POI库来解析Word文档(.doc和.docx)，提取文字信息并进行行处理，包括去除空行。注意不同格式的Word文档换行字符可能不同，需要在解析时特别关注。

摘要由CSDN通过智能技术生成

本文的解析文本，是指：

提取所有文字信息
将文本拆分成一行一行的文字（字符串）
去除空行

需要的jar包

在这里插入图片描述

程序

注意事项

doc格式和docx格式的解析方法不一样
wordText（也就是整个word文档的文字字符串）按行拆分时String[] lineArr = wordText.split("\r\n|\n\n|\n");，你看我这里面写了\r\n、\n\n、\n三种拆分形式，因为我拆分的时候，发现doc个换行字符是\r\n，docx的普通换行字符是\n\n，而docx中从表格里解析出来的文字的换行字符是\n。所以可能换行字符会不一样，各位自己做的时候可以debug看换行字符是什么。

/**
 * 从word文件中解析出文字数据
 * @param file 要解析的word文件
 * @return 文档中的行数据数组
 */
private String[] parseAllTextFromWordFile(File file) {
   
    //获取word文档中的全部文字数据
    String wordText = "";
    String fileName = file.getName();
    String suffix = fileName<