POI获取WORD信息

最近由于工作需要，调研了一下关于poi获取word字体信息方面的方法，在这里mark一下。

首先word格式分为doc和docx，分别利用HWPFDocument和XWPFDocument对文档进行解析，话不多说，直接贴代码：

• 解析doc格式

 1 import java.io.FileInputStream;
 2 import java.io.IOException;
 3 
 4 import org.apache.poi.hwpf.HWPFDocument;
 5 import org.apache.poi.hwpf.usermodel.CharacterRun;
 6 import org.apache.poi.hwpf.usermodel.Paragraph;
 7 import org.apache.poi.hwpf.usermodel.Range;
 8 import org.apache.poi.poifs.filesystem.POIFSFileSystem;
 9 
10 public class fontTest {
11     public static void main(String[] args) throws IOException {
12         String filePath = "***.doc";
13         POIFSFileSystem fs = new POIFSFileSystem(new FileInputStream(filePath));
14         HWPFDocument document = new HWPFDocument(fs);
15         Range head = document.getHeaderStoryRange();
16         for(int i = 0;i<head.numCharacterRuns();i++){
17             System.out.println(head.getCharacterRun(i).text());
18         }
19         System.out.println("===============================================");
20         Range range = document.getRange();
21         for (int i = 0; i < range.numParagraphs(); i++) {
22             Paragraph para = range.getParagraph(i);// 获取第i段
23             int count = 0;
24             while (true) {
25                 CharacterRun run = para.getCharacterRun(count);// 此characterrun并非一个字符，而是一类字符，例如“数据挖掘”，前两个字为加粗，后两个字不加粗，那么“数据”　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　和“挖掘”会存在两个characterrun中
26                 System.out.println("color ------" + run.getColor());// 字体颜色
27                 System.out.println("font name---" + run.getFontName());// 字体类型
28                 System.out.println("font size---" + run.getFontSize());// 字体大小
29                 System.out.println("text -------" + run.text());// 文本信息
30                 System.out.println("bold -------" + run.isBold());// 是否加粗
31                 System.out.println("italic -----" + run.isItalic());// 是否斜体字
32                 System.out.println("algnment ---" + para.getJustification());//对齐方式，0为左对齐，1为居中，2为右对齐，3为左右对齐
33                 count++;
34                 System.out.println("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<");
35                 if (run.getEndOffset() == para.getEndOffset()) {//到达段落末尾
36                     break;
37                 }
38             }
39             System.out.println("--------------分段--------------");
40         }
41     }
42 }

• 解析docx格式

 1 package baidu;
 2 
 3 import java.io.FileInputStream;
 4 import java.io.InputStream;
 5 import java.util.List;
 6 
 7 import org.apache.poi.xwpf.usermodel.XWPFDocument;
 8 import org.apache.poi.xwpf.usermodel.XWPFHeader;
 9 import org.apache.poi.xwpf.usermodel.XWPFParagraph;
10 import org.apache.poi.xwpf.usermodel.XWPFRun;
11 
12 public class fontdocx {
13     public static void main(String[] args) throws Exception {
14         String filePath = "***.docx";
15         InputStream istream = new FileInputStream(filePath);
16         XWPFDocument docx = new XWPFDocument(istream);
17         // 获取页眉内容
18         List<XWPFHeader> list = docx.getHeaderList();
19         for (XWPFHeader head : list) {
20             List<XWPFParagraph> paralist = head.getParagraphs();
21             for (XWPFParagraph para : paralist) {
22                 System.out.println(para.getText());
23             }
24             // System.out.println(head.getText());
25         }
26         List<XWPFParagraph> paraGraph = docx.getParagraphs();
27         for (XWPFParagraph para : paraGraph) {
28             List<XWPFRun> run_array = para.getRuns();
29             for (int i = 0; i < run_array.size(); i++) {
30                 System.out.println("alignment --"
31                         + para.getAlignment().toString());// 对齐方式
32                 System.out
33                         .println("text -------" + run_array.get(i).getText(0));// 文本内容
34                 System.out.println("font name --"
35                         + run_array.get(i).getFontFamily());// 字体类型
36                 System.out
37                         .println("color ------" + run_array.get(i).getColor());// 字体颜色
38                 System.out.println("font size --"
39                         + run_array.get(i).getFontSize());// 字体大小
40             }
41         }
42     }
43 }

对于抽取内容的准确度，未经过格式转换文本的准确度还是可以接受的。

在这里介绍的抽取内容比较少，欢迎大家补充！

转载于:https://www.cnblogs.com/MaNog/p/3638106.html