不能每天都发鸡汤呀，今天分享一篇开发实战。
业务需求
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。
基于POI实现
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、docPOI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
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 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());
-
}
-
}
-
}
-
-
//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 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。
以上，希望对你有所帮助！
End
干货分享
这里为大家准备了一份小小的礼物，关注公众号，输入如下代码，即可获得百度网盘地址，无套路领取！
001：《程序员必读书籍》
002：《从无到有搭建中小型互联网公司后台服务架构与运维架构》
003：《互联网企业高并发解决方案》
004：《互联网架构教学视频》
006：《SpringBoot实现点餐系统》
007：《SpringSecurity实战视频》
008：《Hadoop实战教学视频》
009：《腾讯2019Techo开发者大会PPT》
010： 微信交流群
近期热文top
我就知道你“在看”
转载：https://blog.csdn.net/jianzhang11/article/details/114697089