实战|Java读取Word，包含表格!

本文转载自微信公众号「JAVA日知录」，作者单一色调。转载本文请联系JAVA日知录公众号。

我们提供的服务有：成都网站制作、成都做网站、微信公众号开发、网站优化、网站认证、高州ssl等。为上千余家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的高州网站制作公司

不能每天都发鸡汤呀，今天分享一篇开发实战。

业务需求

我们有这样一个需求，需要抽取出WORD文档中的内容，然后组装成特定的json格式发送给第三方引擎接口，输入协议如下：

 
 
 
    
  
  
  
  1. { 
    2. 
  
  
  
  2.     "tables": [ 
    3. 
  
  
  
  3.         { 
    4. 
  
  
  
  4.             "cells": [ 
    5. 
  
  
  
  5.                 { 
    6. 
  
  
  
  6.                     "col": 1, 
    7. 
  
  
  
  7.                     "row_span": 1, 
    8. 
  
  
  
  8.                     "row": 1, 
    9. 
  
  
  
  9.                     "col_span": 1, 
    10. 
  
  
  
  10.                     "content": "车辆名称" 
    11. 
  
  
  
  11.                 } 
    12. 
  
  
  
  12.             ], 
    13. 
  
  
  
  13.             "id": 0, 
    14. 
  
  
  
  14.             "row_num": 2 
    15. 
  
  
  
  15.         } 
    16. 
  
  
  
  16.     ], 
    17. 
  
  
  
  17.     "paragraps": [ 
    18. 
  
  
  
  18.         { 
    19. 
  
  
  
  19.             "para_id": 1, 
    20. 
  
  
  
  20.             "content": "Hello,JAVA日知录" 
    21. 
  
  
  
  21.         } 
    22. 
  
  
  
  22.     ] 
    23. 
  
  
  
  23. } 
    24.

这个输入格式一看就是需要我们分段落和表格读取word中的内容，既然需求已定，那就直接开始动手写代码吧。

基于POI实现

把 “java如何读取word” 拿到百度去搜索，答案基本都是利用POI来实现。当然利用POI确实可以实现按段落和表格提取出内容并组装成上述格式，但是在实践过程中有下面2个问题：

需要分别处理两种格式docx、docPOI使用不同的API来读取docx和doc，所以读取逻辑我们需要编写两次。

POI读取doc的段落时会把表格的内容也读取出来 这个问题比较坑，poi有单独的方法读取文档中所有表格，但是在读取doc格式段落文档的时候会把表格内容也读取出来，所以我们需要用如下方法排除掉表格：

 
 
 
    
  
  
  
  1. //读取doc 
    2. 
  
  
  
  2. HWPFDocument doc = new HWPFDocument(stream); 
    3. 
  
  
  
  3. Range range = doc.getRange(); 
    4. 
  
  
  
  4.  
    5. 
  
  
  
  5. //读取段落 
    6. 
  
  
  
  6. int num = range.numParagraphs(); 
    7. 
  
  
  
  7. Paragraph para; 
    8. 
  
  
  
  8. for (int i=0; i
  
  
  
  9.     para = range.getParagraph(i); 
    10. 
  
  
  
  10.     //排除表格内容 
    11. 
  
  
  
  11.     if (!para.isInTable()) { 
    12. 
  
  
  
  12.         System.out.println(para.text()); 
    13. 
  
  
  
  13.     } 
    14. 
  
  
  
  14. } 
    15.

考虑以上两种原因，我们最后并没有采取POI来实现word内容提取功能，而是采用第二种方法，即利用 Spire.Doc for Java 来实现。

Spire.Doc for Java

Spire.Doc for Java 是一款专业的 Java Word 组件，开发人员使用它可以轻松地将 Word 文档创建、读取、编辑、转换和打印等功能集成到自己的 Java 应用程序中。

作为一款完全独立的组件，Spire.Doc for Java 的运行环境无需安装 Microsoft Office。官网地址是 https://www.e-iceblue.cn/，我们项目中使用的开源免费版。

首先我们修改maven仓库地址

 
 
 
    
  
  
  
  1.  
    2. 
  
  
  
  2.      
    3. 
  
  
  
  3.         com.e-iceblue 
    4. 
  
  
  
  4.         http://repo.e-iceblue.com/nexus/content/groups/public/ 
    5. 
  
  
  
  5.      
    6. 
  
  
  
  6.  
    7.

 

引入对应的jar包

 
 
 
    
  
  
  
  1.  
    2. 
  
  
  
  2.     e-iceblue 
    3. 
  
  
  
  3.     spire.doc.free 
    4. 
  
  
  
  4.     3.9.0 
    5. 
  
  
  
  5.  
    6.

 

读取word，这里展示的是测试类

 
 
 
    
  
  
  
  1. public class SpireApplication { 
    2. 
  
  
  
  2.  
    3. 
  
  
  
  3.     public static void main(String[] args) { 
    4. 
  
  
  
  4.         String path = "D:\\testDoc22.doc"; 
    5. 
  
  
  
  5.         spireParaghDoc(path); 
    6. 
  
  
  
  6.         spireForTableOfDoc(path);  
    7. 
  
  
  
  7.     } 
    8. 
  
  
  
  8.  
    9. 
  
  
  
  9.     //读取段落 
    10. 
  
  
  
  10.     public static void spireParaghDoc(String path) { 
    11. 
  
  
  
  11.         Document doc = new Document(path); 
    12. 
  
  
  
  12.         for (int i = 0; i < doc.getSections().getCount(); i++) { 
    13. 
  
  
  
  13.             Section section = doc.getSections().get(i); 
    14. 
  
  
  
  14.             for (int j = 0; j < section.getParagraphs().getCount(); j++) { 
    15. 
  
  
  
  15.                 Paragraph paragraph = section.getParagraphs().get(j); 
    16. 
  
  
  
  16.                 System.out.println(paragraph.getText()); 
    17. 
  
  
  
  17.             } 
    18. 
  
  
  
  18.         } 
    19. 
  
  
  
  19.     } 
    20. 
  
  
  
  20.  
    21. 
  
  
  
  21.     //读取表格 
    22. 
  
  
  
  22.     public static void spireForTableOfDoc(String path) { 
    23. 
  
  
  
  23.         Document doc = new Document(path); 
    24. 
  
  
  
  24.         for (int i = 0; i < doc.getSections().getCount(); i++) { 
    25. 
  
  
  
  25.             Section section = doc.getSections().get(i); 
    26. 
  
  
  
  26.             for (int j = 0; j < section.getBody().getChildObjects().getCount(); j++) { 
    27. 
  
  
  
  27.                 DocumentObject obj = section.getBody().getChildObjects().get(j); 
    28. 
  
  
  
  28.                 if (obj.getDocumentObjectType() == DocumentObjectType.Table) { 
    29. 
  
  
  
  29.                     Table table = (Table) obj; 
    30. 
  
  
  
  30.                     for (int k = 0; k < table.getRows().getCount(); k++) { 
    31. 
  
  
  
  31.                         TableRow rows = table.getRows().get(k); 
    32. 
  
  
  
  32.                         for (int p = 0; p < rows.getCells().getCount(); p++) { 
    33. 
  
  
  
  33.                             for (int h = 0; h < rows.getCells().get(p).getParagraphs().getCount(); h++) { 
    34. 
  
  
  
  34.                                 Paragraph f = rows.getCells().get(p).getParagraphs().get(h); 
    35. 
  
  
  
  35.                                 System.out.println(f.getText()); 
    36. 
  
  
  
  36.                             } 
    37. 
  
  
  
  37.                         } 
    38. 
  
  
  
  38.                     } 
    39. 
  
  
  
  39.                 } 
    40. 
  
  
  
  40.             } 
    41. 
  
  
  
  41.         } 
    42. 
  
  
  
  42.     } 
    43. 
  
  
  
  43.  
    44. 
  
  
  
  44. } 
    45.

 

通过上面代码我们就可以按段落和表格读取WORD中的内容，而后根据系统业务要求的格式进行封装即可。

文章标题：实战|Java读取Word，包含表格!
转载源于：http://www.hantingmc.com/qtweb/news9/91609.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

静态网站知识

分类信息网

手机APP开发　　 　泸州网站建设　　 　亚克力背部发光字　　 　成都多线服务器托管　　 　电信内江机房　　 　主动防护网　　 　传美奇电气　　 　营销推广　　 　成都网站设计　　 　成都网站设计　　 　大英泰恒网站　　 　微信公众号开发　　 　校园网站建设方案　　 　成都搅拌罐车　　 　虚拟主机　　 　绵阳主机托管　　 　成都服务器托管　　 　重庆机房托管　　 　成都画册制作　　 　高端网站建设