WORD的POI处理与原理

转载自罗刚老师的《解密搜索引擎技术实战》电子工业出版社

Word是微软公司开发的字处理文件格式，以“doc”或者“docx”作为文件后缀名。Apache的POI(http://poi.apache.org/)可以用来在Windows或Linux平台下提取Word文档。用POI提取文本的基本方法如下：

public static String readDoc(InputStream is) throws IOException{

//创建WordExtractor

WordExtractor extractor=new WordExtractor(is);

// 对DOC文件进行提取

return extractor.getText();

}

为了提取Word文档的标题，需要深入了解POI接口。一个Word文档包含一个或者多个Section，每个Section下面包含一个或者多个Paragraph，每个Paragrah下面包含一个或者多个CharacterRun。

图3-16 Word文档结构图

遍历Word文档结构的代码如下：

Range r = doc.getRange();

for (int x = 0; x < r.numSections(); x++) {

Section s = r.getSection(x);

for (int y = 0; y < s.numParagraphs(); y++) {

Paragraph p = s.getParagraph(y);

for (int z = 0; z < p.numCharacterRuns(); z++) {

CharacterRun run = p.getCharacterRun(z);

//字符串文本

String text = run.text();

System.out.println(text);

}

标题往往是居中对齐的。可以通过Paragraph的getJustification方法得到段落的对齐方式。getJustification的返回值0表示左对齐，1表示居中对齐，2表示右对齐，3表示两端对齐。

可以通过CharacterRun对象取得文字内容、字体大小、文字颜色等信息。

run.text(); //文字内容

run.getFontSize(); //字体大小

run.getColor(); //文字颜色

对于Word 95这样的老版本，需要使用Word6Extractor，例如：

Word6Extractor extractor = new Word6Extractor(in);

String text = extractor.getText();

读入文档表格中的内容：

FileInputStream in = new FileInputStream("d:\\test.doc");

POIFSFileSystem pfs = new POIFSFileSystem(in);

HWPFDocument hwpf = new HWPFDocument(pfs);

Range range = hwpf.getRange();

TableIterator it = new TableIterator(range);

while (it.hasNext()) { //看有没有下一个表格

Table tb = (Table) it.next(); //取得下一个表格

for (int i = 0; i < tb.numRows(); i++) {

TableRow tr = tb.getRow(i);

for (int j = 0; j < tr.numCells(); j++) {

TableCell td = tr.getCell(j);

for (int k = 0; k < td.numParagraphs(); k++) {

Paragraph p = td.getParagraph(k);

String s = p.text();

System.out.println(s);

}

WORD的POI处理与原理相关推荐

浅谈导航数据中POI搜索技术原理
浅谈导航数据中POI搜索技术原理之一王健导航技术的应用已经成为现在生活中重要组成部分,为我们的生活提供了极大的便利.基本都有这样生活的体验,搜索自己位置附近的银行网点.餐馆.那么这些POI是如何快 ...
导航电子地图数据中POI搜索技术原理之二
导航电子地图数据中POI搜索技术原理之二支持任意检索 <浅谈导航数据中POI搜索技术原理>一文介绍了导航电子地图中POI兴趣点数据进行关键字检索的基本原理. 其中,数据的组织方式如下: ...
图片复制word java_java poi实现word导出（包括word模板的使用、复制表格、复制行、插入图片的使用）...
java poi实现数据的word导出(包括word模板的使用.复制表格.复制行.插入图片的使用) 1.实现的效果实现病人基本信息.多条病历数据.多项检查项图片的动态插入(网络图片) 2.模板把w ...
java word模板poi生成文件_poi读写word模板 / java生成word文档
有一word文档表格形如: 姓名 ${name} 电话 ${tel} 下载包链接:点击进入从数据库读取记录替换上述变量 import java.io.FileOutputStream; impor ...
java word apache poi 操作word模板。
apache poi 操作word模板. 操作方式: 1.对于固定格,可以遍历格子然后替换其中指定的值例如在要替换的cell写入${example} 这样格式,遍历到之后替换. 2.对于需要增长的表格 ...
java word模板poi生成文件_利用poi读取word模板文件生成新的word文档
利用poi读取word模板文件生成新的word文档利用poi读取word模板文件,并回填逻辑数据,生成并导出需要的word文档源码.解决模板读取异常问题,提供wordUtils工具类(各种功能实现) ...
java word jar_处理word的poi的jar包下载_处理word的poi的jar包官方下载-太平洋下载中心...
对word文档的处理,提供对word信息抽取的类. 对word处理的poi的jar包(poi-bin-3.2-FINAL-20081019.zip) 现在Java对word excel进行操作的jar ...
二级备考：ppt自学知识笔记--基础操作2：Word发送到PPT（原理）
目录 ppt的复用依照现有ppt模板复用:只导入其他ppt的文本内容依照现有ppt模板复用:导入其他ppt的文本内容与模板格式 word文本内容转换到ppt的主要步骤在word界面添加文本转换p ...
POI对Word操作参考
一,网上的API讲解其实POI的生成Word文档的规则就是先把获取到的数据转成xml格式的数据,然后通过xpath解析表单式的应用取值,判断等等,然后在把取到的值放到word文档中,最后在输出来. ...

WORD的POI处理与原理

WORD的POI处理与原理相关推荐

最新文章

热门文章