java通过poi解析word入门

文章目录

介绍

Apache POI 是一个处理Miscrosoft Office各种文件格式的开源项目。可以使用POI在Java程序中对Miscrosoft Office各种文件进行读写操作。

一、了解word docx文档的结构

将word文档另存为xml文档

打开xml文档，可以查看到xml的结构

二、引入POI的依赖

<dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifactId><version>5.2.3</version></dependency><dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>5.2.3</version></dependency>

三、解析Word文档常用API

加载Word文档

读取docx文件，获取XWPFDocument 实例

FileInputStream fis =newFileInputStream("C:\\test.docx");XWPFDocument document =newXWPFDocument(fis);

获取文档整体结构

document.getBodyElements获取了docx文档所有的元素，可以根据类型判断段落、表格、还是引注。段落（XWPFParagraph）、表格（XWPFTable）、引注（XWPFSDT）

List<IBodyElement> bodyElements = document.getBodyElements();for(int i=0;i<size;i++){IBodyElement iBodyElement = bodyElements.get(i);if(iBodyElement instanceofXWPFParagraph){XWPFParagraph xwpParagraph=(XWPFParagraph)iBodyElement;}if(iBodyElement instanceofXWPFTable){XWPFTable xwpfTable=(XWPFTable)iBodyElement;}if(iBodyElement instanceofXWPFSDT){XWPFSDT xwpfSdt=(XWPFSDT)iBodyElement;}}

获取文档中的段落

// 获取所有段落List<XWPFParagraph> paragraphs = document.getParagraphs();

获取文档中的表格

// 获取所有表格List<XWPFTable> xwpfTableList = xwpfDocument.getTables();

获取文档中的脚注

// 获取所有脚注List<XWPFFootnote> footnotes = document.getFootnotes();

四、解析Word中的段落示例

importorg.apache.poi.xwpf.usermodel.XWPFDocument;importorg.apache.poi.xwpf.usermodel.XWPFParagraph;importjava.io.FileInputStream;importjava.io.IOException;importjava.util.List;publicclassWordReader{publicstaticvoidmain(String[] args){try{// 加载Word文档FileInputStream fis =newFileInputStream("C:\\Users\\Administrator\\Desktop\\test.docx");XWPFDocument document =newXWPFDocument(fis);// 获取所有段落List<XWPFParagraph> paragraphs = document.getParagraphs();int index=0;for(XWPFParagraph paragraph : paragraphs){// 获取段落样式String style = paragraph.getStyle();System.out.println(index++);System.out.println("style "+style);System.out.println("getStyleID "+paragraph.getStyleID());System.out.println(paragraph.getText());if(paragraph.getStyleID()!=null&& paragraph.getStyleID().startsWith("Heading")){System.out.println("title:"+paragraph.getText());}}// 关闭文档
            document.close();}catch(IOException e){
            e.printStackTrace();}}}

五、读取Word文档并遍历图片

使用POI读取Word文档并遍历其中的图片，通常涉及以下几个步骤：

1. 创建XWPFDocument对象：使用XWPFDocument类来表示Word文档，并通过OPCPackage.open()方法加载文档。
2. 遍历文档内容：Word文档中的图片通常包含在段落（XWPFParagraph）的运行（XWPFRun）中。你需要遍历文档中的每个段落，再遍历每个段落中的每个运行。
3. 获取图片数据：在每个运行中，你可以通过调用getEmbeddedPictures()方法来获取嵌入的图片列表（注意，这个方法可能在新版本的POI中有所不同，具体请参考官方文档）。然后，通过XWPFPictureData对象获取图片的二进制数据和类型。
4. 处理图片数据：一旦你获得了图片的二进制数据，就可以将其保存到文件系统中，或进行其他处理。

六、解析Word中的图片示例

下面的示例是获取图片 环绕方式，此外，我们还可以使用其他方法来获取图片的相关信息，例如获取图片的宽度、高度等。Java POI库提供了丰富的API，可以满足各种图片处理需求。

importorg.apache.poi.xwpf.usermodel.*;importorg.openxmlformats.schemas.drawingml.x2006.wordprocessingDrawing.CTAnchor;importorg.openxmlformats.schemas.drawingml.x2006.wordprocessingDrawing.CTInline;importorg.openxmlformats.schemas.wordprocessingml.x2006.main.CTDrawing;importjava.io.FileInputStream;importjava.io.IOException;importjava.util.List;publicclassWordPictureTest{publicstaticvoidmain(String[] args){try{// 加载Word文档FileInputStream fis =newFileInputStream("C:\\Users\\Administrator\\Desktop\\pic.docx");XWPFDocument document =newXWPFDocument(fis);// 获取所有段落List<XWPFParagraph> paragraphs = document.getParagraphs();int index=0;for(XWPFParagraph paragraph : paragraphs){parsePicture(paragraph);}// 关闭文档
            document.close();}catch(IOException e){
            e.printStackTrace();}}privatestaticvoidparsePicture(XWPFParagraph paragraph){List<XWPFRun> runs = paragraph.getRuns();for(XWPFRun run:runs){List<XWPFPicture> embeddedPictures = run.getEmbeddedPictures();for(XWPFPicture picture:embeddedPictures){String fileName = picture.getPictureData().getFileName();System.out.println(fileName);CTDrawing drawing = run.getCTR().getDrawingArray(0);List<CTAnchor> anchorList = drawing.getAnchorList();List<CTInline> inlineList = drawing.getInlineList();System.out.println("anchorList "+anchorList.size());//inlineList.size>0 说明时嵌入式的布局System.out.println("inlineList "+inlineList.size());for(CTAnchor anchor :anchorList){//文字环绕boolean behindDoc = anchor.getBehindDoc();boolean setWrapSquare = anchor.isSetWrapSquare();boolean setWrapThrough = anchor.isSetWrapThrough();boolean setWrapTight = anchor.isSetWrapTight();boolean setWrapTopAndBottom = anchor.isSetWrapTopAndBottom();boolean setWrapNone = anchor.isSetWrapNone();System.out.println("setWrapNone "+setWrapNone +" behindDoc "+behindDoc);}}}}