使用POI读取word文档内容

来源：互联网发布：keynote mac 编辑：程序博客网时间：2024/06/05 06:21

读word doc文件2中方式

1.1 通过WordExtractor读文件(在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。)

1.2 通过HWPFDocument读文件

Apache poi的hwpf模块是专门用来对word doc文件进行读写操作的。在hwpf里面我们使用HWPFDocument来表示一个word doc文档。在HWPFDocument里面有这么几个概念：

l Range：它表示一个范围，这个范围可以是整个文档，也可以是里面的某一小节（Section），也可以是某一个段落（Paragraph），还可以是拥有共同属性的一段文本（CharacterRun）。

l Section：word文档的一个小节，一个word文档可以由多个小节构成。

l Paragraph：word文档的一个段落，一个小节可以由多个段落构成。

l CharacterRun：具有相同属性的一段文本，一个段落可以由多个CharacterRun组成。

l Table：一个表格。

l TableRow：表格对应的行。

l TableCell：表格对应的单元格。

Section、Paragraph、CharacterRun和Table都继承自Range。

1.1 通过WordExtractor读文件

在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例：

public class HwpfTest {        @SuppressWarnings("deprecation")     @Test     public void testReadByExtractor() throws Exception {        InputStream is = new FileInputStream("D:\\test.doc");        WordExtractor extractor = new WordExtractor(is);        //输出word文档所有的文本        System.out.println(extractor.getText());        System.out.println(extractor.getTextFromPieces());        //输出页眉的内容        System.out.println("页眉：" + extractor.getHeaderText());        //输出页脚的内容        System.out.println("页脚：" + extractor.getFooterText());        //输出当前word文档的元数据信息，包括作者、文档的修改时间等。        System.out.println(extractor.getMetadataTextExtractor().getText());        //获取各个段落的文本        String paraTexts[] = extractor.getParagraphText();        for (int i=0; i<paraTexts.length; i++) {           System.out.println("Paragraph " + (i+1) + " : " + paraTexts[i]);        }        //输出当前word的一些信息        printInfo(extractor.getSummaryInformation());        //输出当前word的一些信息        this.printInfo(extractor.getDocSummaryInformation());        this.closeStream(is);     }         /**     * 输出SummaryInfomation     * @param info     */     private void printInfo(SummaryInformation info) {        //作者        System.out.println(info.getAuthor());        //字符统计        System.out.println(info.getCharCount());        //页数        System.out.println(info.getPageCount());        //标题        System.out.println(info.getTitle());        //主题        System.out.println(info.getSubject());     }         /**     * 输出DocumentSummaryInfomation     * @param info     */     private void printInfo(DocumentSummaryInformation info) {        //分类        System.out.println(info.getCategory());        //公司        System.out.println(info.getCompany());     }         /**     * 关闭输入流     * @param is     */     private void closeStream(InputStream is) {        if (is != null) {           try {              is.close();           } catch (IOException e) {              e.printStackTrace();           }        }     }      }

1.2 通过HWPFDocument读文件

HWPFDocument是当前Word文档的代表，它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等，还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的，也就是说我们改变的是HWPFDocument，而不是磁盘上的文件。如果要使这些修改生效的话，我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流，也可以是新文件的输出流（相当于另存为）或其它输出流。下面是一个通过HWPFDocument读文件的示例：

public class HwpfTest {         @Test     public void testReadByDoc() throws Exception {        InputStream is = new FileInputStream("D:\\test.doc");        HWPFDocument doc = new HWPFDocument(is);        //输出书签信息        this.printInfo(doc.getBookmarks());        //输出文本        System.out.println(doc.getDocumentText());        Range range = doc.getRange();        //this.insertInfo(range);        this.printInfo(range);        //读表格        this.readTable(range);        //读列表        this.readList(range);        //删除range        Range r = new Range(2, 5, doc);        r.delete();//在内存中进行删除，如果需要保存到文件中需要再把它写回文件        //把当前HWPFDocument写到输出流中        doc.write(new FileOutputStream("D:\\test.doc"));        this.closeStream(is);     }         /**     * 关闭输入流     * @param is     */     private void closeStream(InputStream is) {        if (is != null) {           try {              is.close();           } catch (IOException e) {              e.printStackTrace();           }        }     }         /**     * 输出书签信息     * @param bookmarks     */     private void printInfo(Bookmarks bookmarks) {        int count = bookmarks.getBookmarksCount();        System.out.println("书签数量：" + count);        Bookmark bookmark;        for (int i=0; i<count; i++) {           bookmark = bookmarks.getBookmark(i);           System.out.println("书签" + (i+1) + "的名称是：" + bookmark.getName());           System.out.println("开始位置：" + bookmark.getStart());           System.out.println("结束位置：" + bookmark.getEnd());        }     }         /**     * 读表格     * 每一个回车符代表一个段落，所以对于表格而言，每一个单元格至少包含一个段落，每行结束都是一个段落。     * @param range     */     private void readTable(Range range) {        //遍历range范围内的table。        TableIterator tableIter = new TableIterator(range);        Table table;        TableRow row;        TableCell cell;        while (tableIter.hasNext()) {           table = tableIter.next();           int rowNum = table.numRows();           for (int j=0; j<rowNum; j++) {              row = table.getRow(j);              int cellNum = row.numCells();              for (int k=0; k<cellNum; k++) {                  cell = row.getCell(k);                  //输出单元格的文本                  System.out.println(cell.text().trim());              }           }        }     }         /**     * 读列表     * @param range     */     private void readList(Range range) {        int num = range.numParagraphs();        Paragraph para;        for (int i=0; i<num; i++) {           para = range.getParagraph(i);           if (para.isInList()) {              System.out.println("list: " + para.text());           }        }     }         /**     * 输出Range     * @param range     */     private void printInfo(Range range) {        //获取段落数        int paraNum = range.numParagraphs();        System.out.println(paraNum);        for (int i=0; i<paraNum; i++) {           //this.insertInfo(range.getParagraph(i));           System.out.println("段落" + (i+1) + "：" + range.getParagraph(i).text());           if (i == (paraNum-1)) {              this.insertInfo(range.getParagraph(i));           }        }        int secNum = range.numSections();        System.out.println(secNum);        Section section;        for (int i=0; i<secNum; i++) {           section = range.getSection(i);           System.out.println(section.getMarginLeft());           System.out.println(section.getMarginRight());           System.out.println(section.getMarginTop());           System.out.println(section.getMarginBottom());           System.out.println(section.getPageHeight());           System.out.println(section.text());        }     }         /**     * 插入内容到Range，这里只会写到内存中     * @param range     */     private void insertInfo(Range range) {        range.insertAfter("Hello");     }      }

0 0