java如何利用poi解析doc和docx中的數據
前言
這個功能是工作中遇到的一個需求，需要把上傳的word中的內容解析出來，其中包含段落字符串解析，和表格中的數據解析出來，需要支持doc和docx格式的數據
Apache POI是Apache軟件基金會的開源項目，POI提供API給Java程序對Microsoft Office格式檔案讀和寫的功能。 .NET的開發人員則可以利用NPOI (POI for .NET) 來存取 Microsoft Office文檔的功能。
方法如下：
1、增加maven中的包
<dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-scratchpad</artifactId> <version>3.17</version> </dependency> <!--POI包 --> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-ooxml</artifactId> <version>3.17</version> </dependency>
2、解析doc中的數據
獲取文件，把MultipartFile對象的數據轉成本地file
File file = new File(FileUtils.getUserDirectoryPath() + "/" + multipartFile.getOriginalFilename()); FileUtils.copyInputStreamToFile(multipartFile.getInputStream(), file);
String fileName = file.getName().toLowerCase();
FileInputStream in = new FileInputStream(file);
if (fileName.endsWith(".doc")) {
// 處理doc格式 即office2003版本
handlerDoc(in);
}
if (fileName.endsWith(".docx")) {
handlerDocx(in);
}
解析doc格式中的段落和第一個表格數據
/**
* doc 格式解析
*
* @param in
* @throws IOException
*/
private void handlerDoc(FileInputStream in) throws IOException {
POIFSFileSystem pfs = new POIFSFileSystem(in);
HWPFDocument hwpf = new HWPFDocument(pfs);
//得到文檔的讀取范圍
Range range = hwpf.getRange();
for (int i = 0; i < range.numParagraphs(); i++) {
//段落
Paragraph p = range.getParagraph(i);
//段落文本
String paragraphText = p.text().replace("\r", "");
log.info("paragraphText = {}", paragraphText );
if (paragraphText.contains(VALUE_YLYC)) {
analyze = false;
}
}
TableIterator it = new TableIterator(range);
// 迭代文檔中的表格
// 如果有多個表格隻讀取需要的一個 set是設置需要讀取的第幾個表格，total是文件中表格的總數
int set = 1, total = 1;
int num = set;
for (int i = 0; i < set - 1; i++) {
it.hasNext();
it.next();
}
while (it.hasNext()) {
Map<String, List<String>> tabelText = DocUtils.getTabelDocText((Table) it.next());
log.info("tabelText = {}", tabelText);
}
// 過濾多餘的表格
while (num < total) {
it.hasNext();
it.next();
num += 1;
}
}
3、解析docx中數據
解析docx格式中的段落和第一個表格數據
/**
* docx 格式解析
*
* @param in
* @throws IOException
*/
private void handlerDocx(FileInputStream in) throws IOException {
XWPFDocument xwpf = new XWPFDocument(in);
// 獲取word中的所有段落與表格
List<IBodyElement> elements = xwpf.getBodyElements();
// 解析表格後續不解析
for (IBodyElement element : elements) {
// 段落
if (element instanceof XWPFParagraph) {
String paragraphText = DocUtils.getParagraphText((XWPFParagraph) element);
log.info("paragraphText = {}", paragraphText);
} else if (element instanceof XWPFTable) {
// 表格
Map<String, List<String>> tabelText = DocUtils.getTabelText((XWPFTable) element);
log.info("tabelText = {}", tabelText);
} else {
log.info("其他內容");
}
}
}
工具類
package com.hundsun.fais.innerreport.utils;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Table;
import org.apache.poi.hwpf.usermodel.TableCell;
import org.apache.poi.hwpf.usermodel.TableRow;
import org.apache.poi.xwpf.usermodel.*;
import java.util.*;
/**
* @author lvbaolin
* @date 2021/4/2 10:39
*/
public class DocUtils {
/**
* docx 格式獲取表格內容
*
* @param table
*/
public static Map<String, List<String>> getTabelText(XWPFTable table) {
Map<String, List<String>> result = new LinkedHashMap<>();
List<XWPFTableRow> rows = table.getRows();
for (XWPFTableRow row : rows) {
String key = null;
List<String> list = new ArrayList<>(16);
int i = 0;
List<XWPFTableCell> cells = row.getTableCells();
for (XWPFTableCell cell : cells) {
// 簡單獲取內容（簡單方式是不能獲取字體對齊方式的）
StringBuffer sb = new StringBuffer();
// 一個單元格可以理解為一個word文檔，單元格裡也可以加段落與表格
List<XWPFParagraph> paragraphs = cell.getParagraphs();
for (XWPFParagraph paragraph : paragraphs) {
sb.append(DocUtils.getParagraphText(paragraph));
}
if (i == 0) {
key = sb.toString();
} else {
String value = sb.toString();
list.add(value == null || Objects.deepEquals(value, "") ? null : value.replace(",", ""));
}
i++;
}
result.put(key, list);
}
return result;
}
/**
* docx 獲取段落字符串
* 獲取段落內容
*
* @param paragraph
*/
public static String getParagraphText(XWPFParagraph paragraph) {
StringBuffer runText = new StringBuffer();
// 獲取段落中所有內容
List<XWPFRun> runs = paragraph.getRuns();
if (runs.size() == 0) {
return runText.toString();
}
for (XWPFRun run : runs) {
runText.append(run.text());
}
return runText.toString();
}
/**
* doc 格式的字段解析表格
* @param tb
* @return
*/
public static Map<String, List<String>> getTabelDocText(Table tb) {
Map<String, List<String>> result = new HashMap<>(16);
//迭代行，默認從0開始,可以依據需要設置i的值,改變起始行數，也可設置讀取到那行，隻需修改循環的判斷條件即可
for (int i = 0; i < tb.numRows(); i++) {
List<String> list = new ArrayList<>(16);
int x = 0;
TableRow tr = tb.getRow(i);
String key = null;
//迭代列，默認從0開始
for (int j = 0; j < tr.numCells(); j++) {
//取得單元格
TableCell td = tr.getCell(j);
StringBuffer sb = new StringBuffer();
//取得單元格的內容
for (int k = 0; k < td.numParagraphs(); k++) {
Paragraph paragraph = td.getParagraph(k);
String s = paragraph.text();
//去除後面的特殊符號
if (null != s && !"".equals(s)) {
s = s.substring(0, s.length() - 1);
}
sb.append(s);
}
if (x == 0) {
key = sb.toString();
} else {
String value = sb.toString();
list.add(value == null || Objects.deepEquals(value, "") ? null : value.replace(",", ""));
}
x++;
}
result.put(key, list);
}
return result;
}
}
總結
到此這篇關於java如何利用poi解析doc和docx中數據的文章就介紹到這瞭,更多相關java poi解析doc數據內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- None Found