POI读取word2007+

最新推荐文章于 2025-05-13 15:38:51 发布
原创 最新推荐文章于 2025-05-13 15:38:51 发布 · 840 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Word

本文介绍了一种改进的方法来读取Word文档(.doc和.docx)中的文本内容，包括表格、文本框及非文本框区域的文字，并解决了换行等问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >


    很多人使用POI读取word的时候都会这么写：

1
2
3
InputStream inputStream = new FileInputStream(new File("e://company/test.docx"));
XWPFDocument document = new XWPFDocument(inputStream);
System.out.println(new XWPFWordExtractor(document).getText());

    但是这个方法其实有非常多的问题的，文本框里面的内容读取不到，换行也有问题。那么我改进了一下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
/**
 * 处理2007+的WORD
 * @param filePath 文件地址
 * @return word内容
 */
private static String read2007(String filePath) {
    InputStream inputStream = null;
    StringBuffer content = new StringBuffer();
    try {
        inputStream = new FileInputStream(new File(filePath));
        XWPFDocument document = new XWPFDocument(inputStream);
        // 读取非表格文本框
        for (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
            for(XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
            }
        }
        // 读取表格内文本框
        for(XWPFTable xwpfTable : document.getTables()) {
            for (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                for (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                    for (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                        for(XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                            content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                        }
                    }
                }
            }
        }
        // 读取表格内容
        for(XWPFTable xwpfTable : document.getTables()) {
            for (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                for (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                    for (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                        content.append(xwpfParagraph.getText()).append(NEW_LINE);
                    }
                }
            }
        }
        return content.toString();
    } catch (IOException e) {
        logger.error("解析word错误，文件地址：" + filePath, e);
    } finally {
        IOUtils.closeQuietly(inputStream);
    }
    return null;
}
 
/**
 * 获取XML内容，可以使用递归cursor.getDomNode()
 * @param xml xml
 * @return xml内容
 */
private static String getXMLContent(String xml) {
    StringBuffer content = new StringBuffer();
    Document document;
    try {
        document = DocumentHelper.parseText(xml);
        List<?> namespaces = document.getRootElement().declaredNamespaces(); // 判断是否有表格包含文本框
        boolean hasboxintab = false;
        for (Object object : namespaces) {
            Namespace namespace = (Namespace) object;
            if(NAMESPANCE_OF_TEXTBOX_IN_TABLE.equals(namespace.getPrefix())) {
                hasboxintab = true;
                break;
            }
        }
        if(!hasboxintab)
            return content.toString();
        for(Object node : document.selectNodes("//mc:Fallback//w:p")) {
            for(Object nodeb : ((Node) node).selectNodes(".//w:t")) {
                if(StringUtils.isNotEmpty(((Node) nodeb).getText()))
                    content.append(((Node) nodeb).getText());
            }
            content.append(NEW_LINE);
        }
    } catch (DocumentException e) {
        logger.error("XML转化错误，内容：" + xml, e);
    }
    return content.toString();
}

    2003版本简单一些：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
/**
 * 处理2003的WORD
 * @param filePath 文件地址
 * @return word内容
 */
private static String read2003(String filePath) {
    InputStream inputStream = null;
    StringBuffer content = new StringBuffer();
    try {
        inputStream = new FileInputStream(new File(filePath));
        HWPFDocument document = new HWPFDocument(inputStream);
        String text = null;
        for (int i = 0; i < document.getMainTextboxRange().numParagraphs(); i++) { // 文本框
            text = document.getMainTextboxRange().getParagraph(i).text();
            if(StringUtils.isNotEmpty(text))
                content.append(text).append(NEW_LINE);
        }
        for (int i = 0; i < document.getRange().numParagraphs(); i++) { // 非文本框
            text = document.getRange().getParagraph(i).text();
            if(StringUtils.isNotEmpty(text) && StringUtils.isNotEmpty(text.trim())) // 注意这里的trim()方法否者会出现乱码
                content.append(text.trim()).append(NEW_LINE);
        }
        return content.toString();
    } catch (FileNotFoundException e) {
        logger.error("解析word错误，文件地址：" + filePath, e);
    } catch (IOException e) {
        logger.error("解析word错误，文件地址：" + filePath, e);
    } finally {
        IOUtils.closeQuietly(inputStream);
    }
    return null;
}

    注意：读取出的内容为表格里面的内容，文本框内容和直接写在编辑区里面的文本，其他的一些诸如：批注，引用等一些信息可能读取不到，需要的请自行解决。

    比较完整的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
 
import org.apache.commons.io.FilenameUtils;
import org.apache.commons.io.IOUtils;
import org.apache.commons.lang.StringUtils;
import org.apache.log4j.Logger;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFTableRow;
import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.DocumentHelper;
import org.dom4j.Node;
 
/**
 * WordReaderUtils - WORD 读取
 * 
 * @author 500d Team
 * @version 1.0
 */
public class WordReaderUtils {
 
    private static final String WORD_2003 = "doc";
    private static final String WORD_2007 = "docx";
    private static final Logger logger = Logger.getLogger(WordReaderUtils.class);
    public static final String NEW_LINE = "\r\n";
     
    public static String read(String filePath) {
        File wordFile = StringUtils.isNotEmpty(filePath) ? new File(filePath) : null;
        if (wordFile == null || !wordFile.exists() || !wordFile.isFile())
            return null;
        String extension = FilenameUtils.getExtension(filePath);
        if(StringUtils.isEmpty(extension))
            return null;
        String content = null;
        if(WORD_2003.equals(extension.toLowerCase()))
            content = read2003(filePath);
        else if(WORD_2007.equals(extension.toLowerCase()))
            content = read2007(filePath);
        return Crossover.handle(content);
    }
     
    /**
     * 处理2003的WORD
     * @param filePath 文件地址
     * @return word内容
     */
    private static String read2003(String filePath) {
        InputStream inputStream = null;
        StringBuffer content = new StringBuffer();
        try {
            inputStream = new FileInputStream(new File(filePath));
            HWPFDocument document = new HWPFDocument(inputStream);
            String text = null;
            for (int i = 0; i < document.getMainTextboxRange().numParagraphs(); i++) {
                text = document.getMainTextboxRange().getParagraph(i).text();
                if(StringUtils.isNotEmpty(text))
                    content.append(text).append(NEW_LINE);
            }
            for (int i = 0; i < document.getRange().numParagraphs(); i++) {
                text = document.getRange().getParagraph(i).text();
                if(StringUtils.isNotEmpty(text) && StringUtils.isNotEmpty(text.trim())) // 注意这里的trim()方法否者会出现乱码
                    content.append(text.trim()).append(NEW_LINE);
            }
            return content.toString();
        } catch (FileNotFoundException e) {
            logger.error("解析word错误，文件地址：" + filePath, e);
        } catch (IOException e) {
            logger.error("解析word错误，文件地址：" + filePath, e);
        } finally {
            IOUtils.closeQuietly(inputStream);
        }
        return null;
    }
     
    /**
     * 处理2007+的WORD
     * @param filePath 文件地址
     * @return word内容
     */
    private static String read2007(String filePath) {
        InputStream inputStream = null;
        StringBuffer content = new StringBuffer();
        try {
            inputStream = new FileInputStream(new File(filePath));
            XWPFDocument document = new XWPFDocument(inputStream);
            // 读取非表格文本框
            for (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
                for(XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                    content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                }
            }
            // 读取表格内文本框
            for(XWPFTable xwpfTable : document.getTables()) {
                for (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                    for (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                        for (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                            for(XWPFRun xwpfRun : xwpfParagraph.getRuns()) {
                                content.append(getXMLContent(xwpfRun.getCTR().newCursor().xmlText())).append(NEW_LINE);
                            }
                        }
                    }
                }
            }
            // 读取表格内容
            for(XWPFTable xwpfTable : document.getTables()) {
                for (XWPFTableRow xwpfTableRow : xwpfTable.getRows()) {
                    for (XWPFTableCell xwpfTableCell : xwpfTableRow.getTableCells()) {
                        for (XWPFParagraph xwpfParagraph : xwpfTableCell.getParagraphs()) {
                            content.append(xwpfParagraph.getText()).append(NEW_LINE);
                        }
                    }
                }
            }
            return content.toString();
        } catch (IOException e) {
            logger.error("解析word错误，文件地址：" + filePath, e);
        } finally {
            IOUtils.closeQuietly(inputStream);
        }
        return null;
    }
     
    /**
     * 获取XML内容，可以使用递归cursor.getDomNode()
     * @param xml xml
     * @return xml内容
     */
    private static String getXMLContent(String xml) {
        StringBuffer content = new StringBuffer();
        Document document;
        try {
            document = DocumentHelper.parseText(xml);
            List<?> namespaces = document.getRootElement().declaredNamespaces(); // 判断是否有表格包含文本框
            boolean hasboxintab = false;
            for (Object object : namespaces) {
                Namespace namespace = (Namespace) object;
                if(NAMESPANCE_OF_TEXTBOX_IN_TABLE.equals(namespace.getPrefix())) {
                    hasboxintab = true;
                    break;
                }
            }
            if(!hasboxintab)
                return content.toString();
            for(Object node : document.selectNodes("//mc:Fallback//w:p")) {
                for(Object nodeb : ((Node) node).selectNodes(".//w:t")) {
                    if(StringUtils.isNotEmpty(((Node) nodeb).getText()))
                        content.append(((Node) nodeb).getText());
                }
                content.append(NEW_LINE);
            }
        } catch (DocumentException e) {
            logger.error("XML转化错误，内容：" + xml, e);
        }
        return content.toString();
    }
     
    public static void main(String[] args) throws Exception {
//      System.out.println(read("e://company/test.doc"));
//      System.out.println(read("e://company/test.docx"));
    }
     
}

参考文档：http://www.acgist.com/article/206.html

[简单]poi读取word 2007简单文本框值
小瓜的博客
02-28 3035
        import java.io.FileOutputStream; import java.util.Formatter; import java.util.List; import org.apache.poi.POIXMLDocument; import org.apache.poi.xwpf.usermodel.XWPFDocument; import org...
老项目POI导出包含文本框word遇到的坑和解决方案
weixin_40611684的博客
05-07 948
老项目使用tomcat7.0.92、spring3.2.6、poi3.13。新增功能，word证书导出，包含（文本框可以拖拽到任意位置，比文本、表格位置更自由）。不管是poi 3.13或者最新版 5.2.2都没有很方便的针对文本框的输入或者替换方法。
通过POI实现对word基于书签的内容替换、删除、插入（深度理解与应用）
最新发布
weixin_44711513的博客
05-13 1790
通过POI处理书签进行内容的增删改，实际就是基于OOXML结构，通过POI进行高级或低级操作，以识别书签标签并进行内容的处理。
用java读取word2003和word2007的内容
05-11 1790
需要使用apache的poi开源项目包；下载地址：http://poi.apache.org/download.html 引入其中的6个包poi-3.8-20120326.jar；poi-ooxml-3.8-20120326.jar；poi-ooxml-schemas-3.8-20120326.jar；poi-scratchpad-3.8-20120326.jar；xmlbeans-2.3.0.
POI 处理word 文档中 文本框模板
yousun4688的专栏
05-11 5280
最近处理word模板中发现存在文本框类型的模板，以前从未处理过只能百度一下了，结果大部分出现的都是https://jingyan.baidu.com/article/e4d08ffdd352690fd2f60d8b.html 这种情况的，大多数针对的都是固定的文档格式，感觉很难弄明白，官网也直指大概提了一下，并没有明显的demo，不过从侧面来讲倒是提供了解决的办法，只能靠自己了，首先需要处理的模板...
使用POI对word文档进行取读
qq_48157004的博客
06-23 2335
POI导入word，表格
JAVA-POI读取word每一段所在页码（附依赖jar包）.zip
08-16
我给出了代码和所有的解释，用POI读取word中的页码。也算是小方法了，基本很准确，为什么要加一个基本呢？因为，分页标志符号在第一行为空白行的时候没有分页符！！所以你的文档如果有很多首段空白行的话，不要浪费C...
POI读取 word 2003 和 word 2007 的例子
01-19
这是一个POI读取word 2003 和 word 2007的例子 是一个Eclipse工程 下载后直接导入工程 运行 src 目录下的 Test java 类即可 这个 rar 包中包含着 POI 读取word 2003 和 word 2007 所需要的 jar 包 也有需要读取的 ...
FreeMarker+poi 模板生成word+导入图片
01-13
结合FreeMarker和Apache POI，我们可以创建一个模板Word文档，其中包含占位符，然后使用POI读取和填充这个模板，同时插入图片，生成最终的动态Word文档。以下是这个过程的大致步骤： 1. **创建模板**: 使用...
java word2007_使用Java阅读MS Word 2007
weixin_34544309的博客
02-16 174
我正尝试通过Java读取Microsoft Word文件。我已将Apache poi-3.8-beta1的所有.jar文件包含到我的类路径中。但是，当我尝试运行此操作时，出现以下异常：org.apache.poi.poifs.filesystem.OfficeXmlFileException: The supplied data appears to be in the Office 2007+ ...
java读取word2007_用java读取word2003和word2007的内容
weixin_42637593的博客
02-13 167
需要使用apache的poi开源项目包；下载地址：http://poi.apache.org/download.html引入其中的6个包poi-3.8-20120326.jar；poi-ooxml-3.8-20120326.jar；poi-ooxml-schemas-3.8-20120326.jar；poi-scratchpad-3.8-20120326.jar；xmlbeans-2.3.0.ja...
POI 替换word2007文本框的值
05-22
POI 替换word2007文本框的值POI,包含word表中的文本框的值，定义好word模板即可替换word中的值。
POI操作Word中插入文本和图片
09-13
POI对Word的操作，特别是针对生成报告模板时，向word中写入文本和图片。
java读取word2003和word2007所需jar包
10-14
dom4j-1.6.1.jar geronimo-stax-api_1.0_spec-1.0.jar ooxml-schemas-1.0.jar openxml4j-bin-beta.jar poi-3.13-20150929.jar poi-ooxml-3.13-20150929.jar poi-scratchpad-3.13-20150929.jar xmlbeans-2.6.0.jar
poi对word读取(文本和图片)、修改、保存操作及word转换为PDF
qq_42418042的博客
03-07 3638
poi读取word中的文本和图片、word转换pdf
使用POI读取Word207和Excel2007实例
备忘录
10-27 2857
/** * 需要的jar包： * poi-3.0.2-FINAL-20080204.jar * poi-contrib-3.0.2-FINAL-20080204.jar * poi-scratchpad-3.0.2-FINAL-20080204.jar * poi-3.5-beta6-20090622.jar * geronimo-stax-api_1.0_spec-1.0.jar *
java poi 2007,从Office 2007+与Java POI文件读取属性集
weixin_39562197的博客
02-20 197
I have tried to read property sets from Office 2007+ documents (docx, xlsx). Found the amazing solution on http://poi.apache.org/hpsf/how-to.html. There is an example for Office 2003 and early format ...
poi word 添加内容时 光标向下迭代生成新的段落
what?
07-23 5783
public static XWPFParagraph newParagraph(XWPFParagraph paragraph){ XmlCursor xmlCursor=paragraph.getCTP().newCursor(); //从段落中获取光标 xmlCursor.toNextSibling(); //将光标移动...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值