POI之Word文档读取-yellowcong

POI对于Doc的支持冒失对于新版本的Word不支持，支持的是Word老版本，对于docx结尾的，支持不是特别的好，本文主要分三部分，1、Word的文字不分的读取，2、Wrod图片的读取，3、Word表格读取

环境搭建

<!-- excel -->    <dependency>    <groupId>org.apache.poi</groupId>    <artifactId>poi</artifactId>    <version>3.17</version></dependency><!-- word --><dependency>    <groupId>org.apache.poi</groupId>    <artifactId>poi-scratchpad</artifactId>    <version>3.17</version></dependency><!-- xlsx --><dependency>    <groupId>org.apache.poi</groupId>    <artifactId>poi-ooxml</artifactId>    <version>3.17</version></dependency><!-- xlsx  依赖这个包 --><dependency>    <groupId>org.apache.poi</groupId>    <artifactId>poi-ooxml-schemas</artifactId>    <version>3.17</version></dependency>

文字读取

文字操作中，可以通过HWPFDocument 直接读取，也可以获取到Range对象后读取

String BASE_PATH = "D:\\笔记\\服务器学习\\bae\\";File file = new File(BASE_PATH + "BAE 服务器文件目录问题.doc");HWPFDocument doc = new HWPFDocument(new FileInputStream(file));//通过 Doc对象直接获取TextStringBuilder sb = doc.getText();//System.out.println(sb.toString());//通过Range对象获取TextRange range = doc.getRange();String text = range.text();

图片读取

Doc获取文档中的所有图片，并存储，其中Picture 对象中，getContent()可获取字节流，然后获取字节数据，自己写出来，也可以通过writeImageContent 来直接写，图片的开始位置可以获取，但是结束位置没有

//获取doc中的图片数//获取doc中的图片数List<Picture> pics = doc.getPicturesTable().getAllPictures();for(Picture pic:pics){    //图片在doc文件中的位置,分析Doc 转化成其他文本时需要用到    int start = pic.getStartOffset();    int width = pic.getWidth();    int height = pic.getHeight();    String mimeType = pic.getMimeType();    //文件名称    String name = pic.suggestFullFileName();    //文件后缀    String exts= pic.suggestFileExtension();    //文件类型    PictureType type = pic.suggestPictureType();    System.out.printf("开始位置%d\t图片大小度%d,高%d,\t图片类型%s\r\n",start,width,height,mimeType);}/** * 也可以自己写方法 * @param imgByte * @throws Exception */public static void copyByteToFile(byte[] imgByte,String path) throws Exception {    InputStream in = new ByteInputStream(imgByte, 0, imgByte.length);    byte[] buff = new byte[1024];    String fileName = UUID.randomUUID().toString().substring(0, 6);    OutputStream out = new FileOutputStream(new File(path + fileName + ".jpg"));    int len = 0;    while ((len = in.read(buff)) > 0) {        out.write(buff, 0, len);    }    out.flush();    out.close();    in.close();}/** * 通过Picture 自己类中的读写方法 * @param pics * @param path */public static void copyPic2Disk(List<Picture> pics,File path){    if(pics == null  || pics.size()  <=0){        return;    }    if(!path.isDirectory()){        throw new RuntimeException("路径填写不正确");    }    //当文件夹路径不存在的情况下，我们自己创建文件夹目录    if(!path.exists() ){        path.mkdirs();    }    try {        for(Picture pic:pics){            //写出数据，我们使用的是Poi类中，Picture自己所带的函数            pic.writeImageContent(new FileOutputStream(new File(path,pic.suggestFullFileName())));            /*byte [] picBytes = pic.getContent(); //获取字节流，也可以自己写入数据            copyByteToFile(picBytes);*/        }    } catch (Exception e) {        // TODO Auto-generated catch block        e.printStackTrace();    }}

Doc的表格读取

//遍历range范围内的table。  TableIterator tableIter = new TableIterator(range);while (tableIter.hasNext()) {    Table table = tableIter.next();    //开始位置    int start = table.getStartOffset();    //结束位置    int end = table.getEndOffset();    System.out.printf("开始位置%d,结束为止%d\r\n",start,end);    //获取行的数目    int rowNum = table.numRows();    for (int j = 0; j < rowNum; j++) {        //获取每一行        TableRow row = table.getRow(j);        int cellNum = row.numCells();        for (int k = 0; k < cellNum; k++) {            //获取每一列            TableCell cell = row.getCell(k);            // 输出单元格的文本            System.out.println(cell.text().trim());        }    }}

完整代码

package com.yellowcong.test;import java.io.File;import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.IOException;import java.io.InputStream;import java.io.OutputStream;import java.util.List;import java.util.UUID;import org.apache.poi.hwpf.HWPFDocument;import org.apache.poi.hwpf.usermodel.Picture;import org.apache.poi.hwpf.usermodel.Range;import org.apache.poi.hwpf.usermodel.Table;import org.apache.poi.hwpf.usermodel.TableCell;import org.apache.poi.hwpf.usermodel.TableIterator;import org.apache.poi.hwpf.usermodel.TableRow;import com.sun.xml.internal.messaging.saaj.util.ByteInputStream;public class DocText {    public static void main(String[] args) throws Exception, IOException {        String BASE_PATH = "D:\\笔记\\服务器学习\\bae\\";        File file = new File(BASE_PATH + "BAE 服务器文件目录问题.doc");        HWPFDocument doc = new HWPFDocument(new FileInputStream(file));        //通过 Doc对象直接获取Text        StringBuilder sb = doc.getText();        //System.out.println(sb.toString());        //通过Range对象获取Text        Range range = doc.getRange();        String text = range.text();        //System.out.println(text);        //获取段落数目        //在Word中，一个回车符就是一个段落了        int nums = range.numParagraphs();        //System.out.println(nums);        //获取doc中的图片数        List<Picture> pics = doc.getPicturesTable().getAllPictures();        for(Picture pic:pics){            //图片在doc文件中的位置,分析Doc 转化成其他文本时需要用到            int start = pic.getStartOffset();            int width = pic.getWidth();            int height = pic.getHeight();            String mimeType = pic.getMimeType();            System.out.printf("开始位置%d\t图片大小度%d,高%d,\t图片类型%s\r\n",start,width,height,mimeType);        }        //1.通过Picture的writeImageContent方法 写文件        //2.获取Picture的byte 自己写        copyPic2Disk(pics, new File(BASE_PATH));        //遍历range范围内的table。          TableIterator tableIter = new TableIterator(range);        while (tableIter.hasNext()) {            Table table = tableIter.next();            //开始位置            int start = table.getStartOffset();            //结束位置            int end = table.getEndOffset();            System.out.printf("开始位置%d,结束为止%d\r\n",start,end);            //获取行的数目            int rowNum = table.numRows();            for (int j = 0; j < rowNum; j++) {                //获取每一行                TableRow row = table.getRow(j);                int cellNum = row.numCells();                for (int k = 0; k < cellNum; k++) {                    //获取每一列                    TableCell cell = row.getCell(k);                    // 输出单元格的文本                    System.out.println(cell.text().trim());                }            }        }    }    /**     * 也可以自己写方法     * @param imgByte     * @throws Exception     */    public static void copyByteToFile(byte[] imgByte,String path) throws Exception {        InputStream in = new ByteInputStream(imgByte, 0, imgByte.length);        byte[] buff = new byte[1024];        String fileName = UUID.randomUUID().toString().substring(0, 6);        OutputStream out = new FileOutputStream(new File(path + fileName + ".jpg"));        int len = 0;        while ((len = in.read(buff)) > 0) {            out.write(buff, 0, len);        }        out.flush();        out.close();        in.close();    }    /**     * 通过Picture 自己类中的读写方法     * @param pics     * @param path     */    public static void copyPic2Disk(List<Picture> pics,File path){        if(pics == null  || pics.size()  <=0){            return;        }        if(!path.isDirectory()){            throw new RuntimeException("路径填写不正确");        }        //当文件夹路径不存在的情况下，我们自己创建文件夹目录        if(!path.exists() ){            path.mkdirs();        }        try {            for(Picture pic:pics){                //写出数据，我们使用的是Poi类中，Picture自己所带的函数                pic.writeImageContent(new FileOutputStream(new File(path,pic.suggestFullFileName())));                /*byte [] picBytes = pic.getContent(); //获取字节流，也可以自己写入数据                copyByteToFile(picBytes);*/            }        } catch (Exception e) {            // TODO Auto-generated catch block            e.printStackTrace();        }    }}

完整代码

package com.yellowcong.test;import java.io.File;import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.IOException;import java.io.InputStream;import java.io.OutputStream;import java.util.List;import java.util.UUID;import org.apache.poi.hwpf.HWPFDocument;import org.apache.poi.hwpf.usermodel.Picture;import org.apache.poi.hwpf.usermodel.PictureType;import org.apache.poi.hwpf.usermodel.Range;import org.apache.poi.hwpf.usermodel.Table;import org.apache.poi.hwpf.usermodel.TableCell;import org.apache.poi.hwpf.usermodel.TableIterator;import org.apache.poi.hwpf.usermodel.TableRow;import com.sun.xml.internal.messaging.saaj.util.ByteInputStream;public class DocText {    public static void main(String[] args) throws Exception, IOException {        String BASE_PATH = "D:\\笔记\\服务器学习\\bae\\";        File file = new File(BASE_PATH + "BAE 服务器文件目录问题.doc");        HWPFDocument doc = new HWPFDocument(new FileInputStream(file));        //通过 Doc对象直接获取Text        StringBuilder sb = doc.getText();        //System.out.println(sb.toString());        //通过Range对象获取Text        Range range = doc.getRange();        String text = range.text();        //System.out.println(text);        //获取段落数目        //在Word中，一个回车符就是一个段落了        int nums = range.numParagraphs();        //System.out.println(nums);        //获取doc中的图片数        List<Picture> pics = doc.getPicturesTable().getAllPictures();        for(Picture pic:pics){            //图片在doc文件中的位置,分析Doc 转化成其他文本时需要用到            //文件开始位置，结束位置没有            int start = pic.getStartOffset();            //图片的宽高            int width = pic.getWidth();            int height = pic.getHeight();            //文件名称            String name = pic.suggestFullFileName();            //文件后缀            String exts= pic.suggestFileExtension();            //文件类型            PictureType type = pic.suggestPictureType();            String mimeType = pic.getMimeType();            System.out.printf("开始位置%d\t图片大小度%d,高%d,\t图片类型%s\r\n",start,width,height,mimeType);        }        //1.通过Picture的writeImageContent方法 写文件        //2.获取Picture的byte 自己写        copyPic2Disk(pics, new File(BASE_PATH));        //遍历range范围内的table。          TableIterator tableIter = new TableIterator(range);        while (tableIter.hasNext()) {            Table table = tableIter.next();            //开始位置            int start = table.getStartOffset();            //结束位置            int end = table.getEndOffset();            System.out.printf("开始位置%d,结束为止%d\r\n",start,end);            //获取行的数目            int rowNum = table.numRows();            for (int j = 0; j < rowNum; j++) {                //获取每一行                TableRow row = table.getRow(j);                int cellNum = row.numCells();                for (int k = 0; k < cellNum; k++) {                    //获取每一列                    TableCell cell = row.getCell(k);                    // 输出单元格的文本                    System.out.println(cell.text().trim());                }            }        }    }    /**     * 也可以自己写方法     * @param imgByte     * @throws Exception     */    public static void copyByteToFile(byte[] imgByte,String path) throws Exception {        InputStream in = new ByteInputStream(imgByte, 0, imgByte.length);        byte[] buff = new byte[1024];        String fileName = UUID.randomUUID().toString().substring(0, 6);        OutputStream out = new FileOutputStream(new File(path + fileName + ".jpg"));        int len = 0;        while ((len = in.read(buff)) > 0) {            out.write(buff, 0, len);        }        out.flush();        out.close();        in.close();    }    /**     * 通过Picture 自己类中的读写方法     * @param pics     * @param path     */    public static void copyPic2Disk(List<Picture> pics,File path){        if(pics == null  || pics.size()  <=0){            return;        }        if(!path.isDirectory()){            throw new RuntimeException("路径填写不正确");        }        //当文件夹路径不存在的情况下，我们自己创建文件夹目录        if(!path.exists() ){            path.mkdirs();        }        try {            for(Picture pic:pics){                //写出数据，我们使用的是Poi类中，Picture自己所带的函数                pic.writeImageContent(new FileOutputStream(new File(path,pic.suggestFullFileName())));                /*byte [] picBytes = pic.getContent(); //获取字节流，也可以自己写入数据                copyByteToFile(picBytes);*/            }        } catch (Exception e) {            // TODO Auto-generated catch block            e.printStackTrace();        }    }}