實戰 | JAVA讀取WORD，包含表格。

不能每天都發雞湯呀，今天分享一篇開發實戰。

業務需求

我們有這樣一個需求，需要抽取出WORD文檔中的内容，然後組裝成特定的json格式發送給第三方引擎接口，輸入協定如下：

{
    "tables": [
        {
            "cells": [
                {
                    "col": 1,
                    "row_span": 1,
                    "row": 1,
                    "col_span": 1,
                    "content": "車輛名稱"
                }
            ],
            "id": 0,
            "row_num": 2
        }
    ],
    "paragraps": [
        {
            "para_id": 1,
            "content": "Hello,JAVA日知錄"
        }
    ]
}      

這個輸入格式一看就是需要我們分段落和表格讀取word中的内容，既然需求已定，那就直接開始動手寫代碼吧。

基于POI實作

把 “java如何讀取word” 拿到百度去搜尋，答案基本都是利用POI來實作。當然利用POI确實可以實作按段落和表格提取出内容并組裝成上述格式，但是在實踐過程中有下面2個問題：

• 需要分别處理兩種格式

  docx

  、

  doc

  POI使用不同的API來讀取docx和doc，是以讀取邏輯我們需要編寫兩次。
• POI讀取doc的段落時會把表格的内容也讀取出來 這個問題比較坑，poi有單獨的方法讀取文檔中所有表格，但是在讀取doc格式段落文檔的時候會把表格内容也讀取出來，是以我們需要用如下方法排除掉表格：

//讀取doc
HWPFDocument doc = new HWPFDocument(stream);
Range range = doc.getRange();
 
//讀取段落
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());
    }
}      

考慮以上兩種原因，我們最後并沒有采取POI來實作word内容提取功能，而是采用第二種方法，即利用 Spire.Doc for Java 來實作。

Spire.Doc for Java

Spire.Doc for Java 是一款專業的 Java Word 元件，開發人員使用它可以輕松地将 Word 文檔建立、讀取、編輯、轉換和列印等功能內建到自己的 Java 應用程式中。

作為一款完全獨立的元件，Spire.Doc for Java 的運作環境無需安裝 Microsoft Office。官網位址是

https://www.e-iceblue.cn/ ，我們項目中使用的開源免費版。

• 首先我們修改maven倉庫位址

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url>
    </repository>
</repositories>      

• 引入對應的jar包

<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.doc.free</artifactId>
    <version>3.9.0</version>
</dependency>      

• 讀取word，這裡展示的是測試類

public class SpireApplication {
 
    public static void main(String[] args) {
        String path = "D:\\testDoc22.doc";
        spireParaghDoc(path);
        spireForTableOfDoc(path); 
    }
 
    //讀取段落
    public static void spireParaghDoc(String path) {
        Document doc = new Document(path);
        for (int i = 0; i < doc.getSections().getCount(); i++) {
            Section p = doc.getSections().get(i);
            for (int j = 0; j < p.getParagraphs().getCount(); j++) {
                Paragraph paragraph = p.getParagraphs().get(j);
                System.out.println(paragraph.getText());
            }
        }
    }
 
    //讀取表格
    public static void spireForTableOfDoc(String path) {
        Document doc = new Document(path);
        for (int i = 0; i < doc.getSections().getCount(); i++) {
            Section p = doc.getSections().get(i);
            for (int j = 0; j < p.getBody().getChildObjects().getCount(); j++) {
                DocumentObject obj = p.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());
                            }
                        }
                    }
                }
            }
        }
    }
 
}      

通過上面代碼我們就可以按段落和表格讀取WORD中的内容，而後根據系統業務要求的格式進行封裝即可。

以上，希望對你有所幫助！