本篇文章为大家展示了如何用JAVA读取WORD包含表格,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
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:
{ "tables": [ { "cells": [ { "col": 1, "row_span": 1, "row": 1, "col_span": 1, "content": "车辆名称" } ], "id": 0, "row_num": 2 } ], "paragraps": [ { "para_id": 1, "content": "Hello,JAVA日知录" } ] }
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。
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
、 doc
POI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:
//读取doc HWPFDocument doc = new HWPFDocument(stream); Range range = doc.getRange(); //读取段落 int num = range.numParagraphs(); Paragraph para;for (int i=0; i<num; i++) { para = range.getParagraph(i); //排除表格内容 if (!para.isInTable()) { System.out.println(para.text()); } }
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 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
<repositories> <repository> <id>com.e-iceblue</id> <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url> </repository> </repositories>
引入对应的jar包
<dependency> <groupId>e-iceblue</groupId> <artifactId>spire.doc.free</artifactId> <version>3.9.0</version> </dependency>
读取word,这里展示的是测试类
public class SpireApplication { public static void main(String[] args) { String path = "D:\\testDoc22.doc"; spireParaghDoc(path); spireForTableOfDoc(path); } //读取段落 public static void spireParaghDoc(String path) { Document doc = new Document(path); for (int i = 0; i < doc.getSections().getCount(); i++) { Section section = doc.getSections().get(i); for (int j = 0; j < section.getParagraphs().getCount(); j++) { Paragraph paragraph = section.getParagraphs().get(j); System.out.println(paragraph.getText()); } } } //读取表格 public static void spireForTableOfDoc(String path) { Document doc = new Document(path); for (int i = 0; i < doc.getSections().getCount(); i++) { Section section = doc.getSections().get(i); for (int j = 0; j < section.getBody().getChildObjects().getCount(); j++) { DocumentObject obj = section.getBody().getChildObjects().get(j); if (obj.getDocumentObjectType() == DocumentObjectType.Table) { Table table = (Table) obj; for (int k = 0; k < table.getRows().getCount(); k++) { TableRow rows = table.getRows().get(k); for (int p = 0; p < rows.getCells().getCount(); p++) { for (int h = 0; h < rows.getCells().get(p).getParagraphs().getCount(); h++) { Paragraph f = rows.getCells().get(p).getParagraphs().get(h); System.out.println(f.getText()); } } } } } } } }
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。
上述内容就是如何用JAVA读取WORD包含表格,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。