Android如何读写word文件 - 使用Apache POI 组件读写doc和docx文件

本文首发微信公众号：菜天Android

零、前言

最近在项目中要生成Word的doc和docx文件，一番百度google之后，发现通过java语言实现的主流是Apache的POI组件。除了POI，这里还有另一种实现，不过我没有去研究，有兴趣的同学可以研究研究。

关于POI可以访问Apache POI的官网获取详细的信息。

进入主题！

由于项目中只是用到了doc和docx的组件，下面也只是介绍这两个组件的使用

一、在Android Studio中如何用POI组件

从POI官网上看，貌似暂并不支持IntelliJ IDE，如下图，所以这里我们采用直接下载jar包并导入项目的方式。

通过官网 ->Overview->Components，可以看到 d和docx文件分别对应着组件HWPF和XWPF，而HWPF和XWPF则对应着poi-scratchpad和poi-ooxml

文件类型	组件名	MavenId
doc	HWPF	poi-scratchpad
docx	XWPF	poi-ooxml

1.1 下载

进入Apache下载页面，选择最新版下载，如下。选择The latest beta release is Apache POI 3.16-beta2会跳转到poi-bin-3.16-beta2-20170202.tar.gz，然后点击poi-bin-3.16-beta2-20170202.tar.gz，选择镜像后即可成功下载。

linux系统选择.tar.gz
windows系统选择.zip

1.2 解压

将下载后的压缩包解压，会得到以下文件。

文件（夹）名	作用
docs	文档（包括API文档和如何使用及版本信息）
lib	doc功能实现依赖的包
ooxml-lib	docx功能实现依赖的包
LICENSE
NOTICE
poi-3.16-beta2.jar	The prerequisite poi-scratchpad-3.16-beta2.jar
poi-examples-3.16-beta2.jar	不明确
poi-excelant-3.16-beta2.jar	excel功能实现
poi-ooxml-3.16-beta2.jar	docx功能实现
poi-ooxml-schemas-3.16-beta2.jar	The prerequisite of poi-ooxml-3.16-beta2.jar
poi-scratchpad-3.16-beta2.jar	doc功能实现

1.3 导入

不熟悉怎么导入的同学可以看看Android Studio导入jar包教程

1.3.1 doc

对于doc文件，需要将lib文件夹下jar包，poi-3.16-beta2.jar，poi-scratchpad-3.16-beta2.jar放入android项目libs目录下（lib文件夹下的junit-4.12.jar和log4j-1.2.17.jar不放我的项目也没出现异常，能少点是点）。

1.3.2 docx

对于docx，需要导入lib文件夹下jar包，poi-3.16-beta2.jar，poi-ooxml-3.16-beta2.jar，poi-ooxml-schemas-3.16-beta2.jar和ooxml-lib下的包，由于一直我这一直出现Warning:Ingoring InnerClasses attribute for an anonymous inner class的错误，同时由于doc基本满足我的需求以及导入这么多jar导致apk体积增大，就没有去实现。
有兴趣的同学可以研究研究。

二、实现doc文件的读写

Apache POI中的HWPF模块是专门用来读取和生成doc格式的文件。在HWPF中，我们使用HWPFDocument来表示一个word doc文档。在看代码之前，有必要了解HWPFDocument中的几个概念：

名称	含义
Range	表示一个范围，这个范围可以是整个文档，也可以是里面的某个小节（Section），也可以是段落（Paragraph），还可以是拥有功能属性的一段文本（CharacterRun）
Section	word文档的一个小节，一个word文档可以由多个小节构成。
Paragraph	word文档的一个段落，一个小节可以由多个段落构成。
CharacterRun	具有相同属性的一段文本，一个段落可以由多个CharacterRun组成。
Table	一个表格。
TableRow	表格对应的行
TableCell	表格对应的单元格

注意 ： Section、Paragraph、CharacterRun和Table都继承自Range。

---

读写前注意：Apache POI 提供的HWPFDocument类只能读写规范的.doc文件，也就是说假如你使用修改 后缀名 的方式生成doc文件或者直接以命名的方式创建，将会出现错误“Your file appears not to be a valid OLE2 document”

Invalid header signature; read 0x7267617266202E31, expected 0xE11AB1A1E011CFD0 - Your file appears not to be a valid OLE2 document 

2.1 DOC读

读doc文件有两种方式
（a）通过WordExtractor读文件
（b）通过HWPFDocument读文件

在日常应用中，我们从word文件里面读取信息的情况非常少见，更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式：通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。

2.1.1 使用WordExtractor读

在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例：

//通过WordExtractor读文件
public class WordExtractorTest {
   
   

   private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");
   private static final String TAG = "WordExtractorTest";
   
   private void log(Object o) {
   
   
       Log.d(TAG, String.valueOf(o));
   }

   public void testReadByExtractor() throws Exception {
   
   
      InputStream is = new FileInputStream(PATH);
      WordExtractor extractor = new WordExtractor(is);
      //输出word文档所有的文本
      log(extractor.getText());
      log(extractor.getTextFromPieces());
      //输出页眉的内容
      log("页眉：" + extractor.getHeaderText());
      //输出页脚的内容
      log("页脚：" + extractor.getFooterText());
      //输出当前word文档的元数据信息，包括作者、文档的修改时间等。
      log(extractor.getMetadataTextExtractor().getText());
      //获取各个段落的文本
      String paraTexts[] = extractor.getParagraphText()