java通过poi解析word入门的操作方法_Java

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 = new fileinputstream("c:\\test.docx");
xwpfdocument document = new xwpfdocument(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 instanceof xwpfparagraph){
        xwpfparagraph xwpparagraph=(xwpfparagraph)ibodyelement;
    }
    if(ibodyelement instanceof xwpftable){
        xwpftable xwpftable=(xwpftable)ibodyelement;
    }
    if(ibodyelement instanceof xwpfsdt){
        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

import org.apache.poi.xwpf.usermodel.xwpfdocument;
import org.apache.poi.xwpf.usermodel.xwpfparagraph;
import java.io.fileinputstream;
import java.io.ioexception;
import java.util.list;
public class wordreader {
    public static void main(string[] args) {
        try {
            // 加载word文档
            fileinputstream fis = new fileinputstream("c:\\users\\administrator\\desktop\\test.docx");
            xwpfdocument document = new xwpfdocument(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：

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。
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。
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。
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。

import org.apache.poi.xwpf.usermodel.*;
import org.openxmlformats.schemas.drawingml.x2006.wordprocessingdrawing.ctanchor;
import org.openxmlformats.schemas.drawingml.x2006.wordprocessingdrawing.ctinline;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.ctdrawing;
import java.io.fileinputstream;
import java.io.ioexception;
import java.util.list;
public class wordpicturetest {
    public static void main(string[] args) {
        try {
            // 加载word文档
            fileinputstream fis = new fileinputstream("c:\\users\\administrator\\desktop\\pic.docx");
            xwpfdocument document = new xwpfdocument(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();
        }
    }
    private static void parsepicture(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);
                }
        }
    }
}