解析word文档，获取相应的数据，并封装成相应的javaBean(二)

 该类主要是用程序来读取word文本，并拿到你想要的内容， 我这里主要是解析一道完整的数学试题， 包括（题目，选项，答案，考点，分析，解答，点评）等内容

package com.ilike.poi;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.OutputStream;
import java.util.HashMap;
import java.util.Map;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.model.PicturesTable;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.Range;

import com.ilike.utils.RandomNameUtil;

/**
*
*
* 实现思路：
* 1.先逐字读取整个word文档，并替换里面的图片，回车符，空格符等内容
* 2.将替换后的文本做初次切割，切出含有题目，选项，答案等内容的片段，封装成一个map集合
* 3.将初次切割后的内容片段拿来做二次切割（调用相应的切割方法进行切割），切出自己想要的内容
*
* @author 桑伟东
*
* 注意：这个切割只实现了简单的读写，读取的2的平方这样的数据依旧有问题，但会很快在下一次发表时实现
*/
public class WordToHtml7 {

public static String readFile = "F:\\doc_test\\swdTest1.doc";//要解析的文档public static String outPath = "F:\\temp_image\\";//文档中图片的存储路径public static String ziful = "【";//文档中含有的符号public static String zifur = "】";//文档中含有的符号private static final short ENTER_ASCII = 13;// 回车符private static final short SPACE_ASCII = 32;// 空格private static final short KONGGE_ASCII = 9;// 空格是9(这个空格是我自己调试程序发现的，正规的空格对应的编码应该是32)public static void main(String[] args) throws Exception {    //1.替换图片及回车符等    String html = replacePhotoAndEnter(readFile);    //2.初次切割    Map<String, String> map = splitItems(html);    //3.二次切割    secondSplit(map);}/** * 读取word文本，替换里面的图片以及空格，回车符等 说明：将图片替换成相应的image标签，将空格替换成&nbsp;,将回车符替换成</br> *  * @param fileName *            需要替换的文件 * @return 替换后的字符串文本 * @throws Exception */public static String replacePhotoAndEnter(String fileName) throws Exception {    // 1.创建字节输入流读取要解析的文档    FileInputStream in = new FileInputStream(new File(fileName));    // 2.创建文档对象    HWPFDocument doc = new HWPFDocument(in);    // 3.取得文档中字符的总数    int length = doc.characterLength();    // 4.获取PicturesTable对象    PicturesTable pTable = doc.getPicturesTable();    StringBuffer sb = new StringBuffer();    for (int i = 0; i < length; i++) {        Range range = new Range(i, i + 1, doc);        CharacterRun cr = range.getCharacterRun(0);        // System.out.println(cr.text()+"------"+(short)(cr.text().charAt(0)));        // 1.判断该字符是否是照片        if (pTable.hasPicture(cr)) {            // 是照片            Picture pic = pTable.extractPicture(cr, false);            String file = outPath + RandomNameUtil.getRandomName6N() + ".png";            // 创建一个输出流            OutputStream out = new FileOutputStream(file);            // 将图片写出去            pic.writeImageContent(out);            // 替换图片            String webPath = "<image src='" + file + "'/>";            sb.append(webPath);            // 2.判断该字符是否是回车符，如果是就用<br/>替换        } else if (cr.text().charAt(0) == ENTER_ASCII) {            sb.append("<br/>");            // 3.判断该字符是否是空格符，如果是用&nbsp;替换        } else if (cr.text().charAt(0) == SPACE_ASCII) {            sb.append("&nbsp;");            // 4.判断该字符是否是空格符，如果是用&nbsp;替换(非正规替换)        } else if (cr.text().charAt(0) == KONGGE_ASCII) {            sb.append("&nbsp;");            // 5.如果所有的这些都不是，默认为普通文本        } else {            sb.append(cr.text());        }    }    return sb.toString();}/** * 该方法将替换后的文本做初次切割，切割出含有想要内容的粗糙文本（含有不想要的内容）， 最后封装成一个map返回 *  * @param src *            初次切割的文本 * @return */public static Map<String, String> splitItems(String src) {    Map<String, String> map = new HashMap<String, String>();    // 1.获取“【答案】”的位置    Integer answerPoi = src.indexOf("【答案】");    // 2.截取包含测试题的内容，并保存输出    String test = src.substring(0, answerPoi);    map.put("test", test);    // System.out.println("test:"+test);    // 3.获取【考点】的位置    Integer keyPoi = src.indexOf("【考点】");    // 4.截取包含答案的内容，并保存输出    String answer = src.substring(answerPoi, keyPoi);    map.put("answer", answer);    // System.out.println("answer:"+answer);    // 5.获取【分析】的位置    Integer analysePoi = src.indexOf("【分析】");    // 6.截取包含考点的内容，并保存输出    String keys = src.substring(keyPoi, analysePoi);    map.put("keys", keys);    // System.out.println("keys:"+keys);    // 7.获取【解答】的位置    Integer jiedaPoi = src.indexOf("【解答】");    // 8.截取包含分析的内容，并保存输出    String analyse = src.substring(analysePoi, jiedaPoi);    map.put("analyse", analyse);    // System.out.println("analyse:"+analyse);    // 9.获取【点评】的位置    Integer commentPoi = src.indexOf("【点评】");    // 10.截取包含考点的内容，并保存输出    String jieda = src.substring(jiedaPoi, commentPoi);    map.put("jieda", jieda);    // System.out.println("jieda:"+jieda);    // 11.截取包含点评的内容，并保存输出    String comment = src.substring(commentPoi, src.length());    map.put("comment", comment);    // System.out.println("comment:"+comment);    return map;}/** * 对初次剪切后的各种文本进行二次深加工，切出真正想要的内容 如果要封装成相应的Bean，在这里就可以封装，这个较为简单，不再赘述 *  * @param map *            初次切割后的文本 */public static void secondSplit(Map<String, String> map) {    for (String item : map.keySet()) {        if (item.equals("test")) {            // 是题目，调用题目剪切方法进行切割            String test = testSplit(map.get("test"));            System.out.println("test:" + test);            // 这里面也含有选项，顺带切出选项            String option = optionSplit(map.get("test"));            System.out.println("option:" + option);        } else if (item.equals("answer")) {            // 是答案，调用答案剪切方法进行切割            String answer = answerSplit(map.get("answer"));            System.out.println("answer:" + answer);        } else if (item.equals("keys")) {            // 是考点，调用考点剪切方法进行切割            String keys = keysSplit(map.get("keys"));            System.out.println("keys:" + keys);        } else if (item.equals("analyse")) {            // 是分析，调用分析剪切方法进行切割            String analyse = analyseSplit(map.get("analyse"));            System.out.println("analyse:" + analyse);        } else if (item.equals("comment")) {            // 是点评，调用点评剪切方法进行切割            String comment = commentSplit(map.get("comment"));            System.out.println("comment:" + comment);        } else if (item.equals("jieda")) {            // 是解答，调用解答剪切方法进行切割            String jieda = jiedaSplit(map.get("jieda"));            System.out.println("jieda:" + jieda);        } else {            System.out.println("未知的东东");        }    }}/** * 从含有题目的文本剪切出题目 *  * @param srcTest * @return */private static String testSplit(String srcTest) {    // 1.获取"一．选择题"的位置    Integer pesition1 = srcTest.indexOf("一．选择题");    // 2.获取"A．"的位置    Integer pesition2 = srcTest.indexOf("A．");    // 3.切出题目    String testtext = srcTest.substring(pesition1, pesition2);    // System.out.println("test:"+testtext);    // 4.获取第一个和最后一个“<br/>”的位置    testtext = testtext.substring(testtext.indexOf("<br/>") + "<br/>".length(), testtext.lastIndexOf("<br/>"));    // System.out.println("test:"+testtext);    return testtext;}/** * 从含有选项的文本里切出选项 *  * @param srcOption * @return */private static String optionSplit(String srcOption) {    // 1.获取"A．"的位置    Integer pesition1 = srcOption.indexOf("A．");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = srcOption.lastIndexOf("<br/");    // 3.切出option的内容    String option = srcOption.substring(pesition1, pesition2);    // System.out.println("option:"+option);    return option;}/** * 从含有答案的文本里切出选项 *  * @param srcOption * @return */// answer:【答案】D<br/>private static String answerSplit(String answerSrc) {    // 1.获取"【答案】"的位置    Integer pesition1 = answerSrc.indexOf("【答案】");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = answerSrc.lastIndexOf("<br/");    // 3.切出answer的内容    String answer = answerSrc.substring(pesition1, pesition2);    // System.out.println("answer:"+answer);    return answer;}/** * 从含有考点的文本里切出选项 *  * @param srcOption * @return */// keys:【考点】4C：完全平方公式．菁优网版权所有<br/>private static String keysSplit(String keysSrc) {    // 1.获取"【考点】"的位置    Integer pesition1 = keysSrc.indexOf("【考点】");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = keysSrc.lastIndexOf("<br/");    // 3.切出keys的内容    String keys = keysSrc.substring(pesition1, pesition2);    // System.out.println("keys:"+keys);    return keys;}/** * 从含有分析的文本里切出选项 *  * @param srcOption * @return */// analyse:【分析】首先把a2+b2+c2﹣ab﹣bc﹣ac变为<image// src='F:\temp_image\72d4db.png'/>(2a2+2b2+2c2﹣2ab﹣2bc﹣2ac)，然后利用完全平方公式变为三个完全平方式，然后代入已知数据即可求解．<br/>private static String analyseSplit(String analyseSrc) {    // 1.获取"【分析】"的位置    Integer pesition1 = analyseSrc.indexOf("【分析】");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = analyseSrc.lastIndexOf("<br/");    // 3.切出analyse的内容    String analyse = analyseSrc.substring(pesition1, pesition2);    // System.out.println("analyse:"+analyse);    return analyse;}/** * 从含有解答的文本里切出选项 *  * @param srcOption * @return */// jieda:【解答】解：∵a2+b2+c2﹣ab﹣bc﹣ac<br/>=<image// src='F:\temp_image\1c1dde.png'/>(2a2+2b2+2c2﹣2ab﹣2bc﹣2ac)<br/>=<image// src='F:\temp_image\829ed0.png'/>[(a2﹣2ab+b2)+（b2﹣2bc+c2)+&nbsp;(c2﹣2ac+a2)]<br/>=<image// src='F:\temp_image\e7ded0.png'/>[(a﹣b)2+(b﹣c)2+(c﹣a)2]<br/>而a=2000x+2001，b=2000x+2002，c=2000x+2003，<br/>∴a﹣b=2000x+2002﹣（2000x+2001）=1，<br/>同理&nbsp;b﹣c=﹣1，c﹣a=2，<br/>∴a2+b2+c2﹣ab﹣bc﹣ac<br/>=<image// src='F:\temp_image\ee910f.png'/>[(a﹣b)2+(b﹣c)2+(c﹣a)2]<br/>=3．<br/>故选D．<br/>private static String jiedaSplit(String jiedaSrc) {    // 1.获取"【解答】"的位置    Integer pesition1 = jiedaSrc.indexOf("【解答】");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = jiedaSrc.lastIndexOf("<br/");    // 3.切出jieda的内容    String jieda = jiedaSrc.substring(pesition1, pesition2);    // System.out.println("jieda:"+jieda);    return jieda;}/** * 从含有点评的文本里切出选项 *  * @param srcOption * @return */// comment:【点评】此题主要考查了利用完全平方公式进行代数式变形，然后求复杂代数式的值，解题的关键是把所求代数式变形，从而大大简化计算过程．题目难度比较大．<br/><br/>private static String commentSplit(String commentSrc) {    // 1.获取"【点评】"的位置    Integer pesition1 = commentSrc.indexOf("【点评】");    // 2.获取最后一个“<br/>”的位置    Integer pesition2 = commentSrc.lastIndexOf("<br/");    // 3.切出comment的内容    String comment = commentSrc.substring(pesition1, pesition2);    // System.out.println("comment:"+comment);    return comment;}

}