POI系列之根据样式识别word内容和标题

r囧r小猫 2021-09-02 10:34 478阅读 0赞

> 业务场景：最近接到需求，想实现将一份word文档，其中特定的文本内容获取出来，首先想到两种方法，一种是通过OCR技术，一种是通过模板占位符。  
> 虽然想起来好像是可以实现的，不过ocr技术自己要在短时间实现是不太现实的，要用第三方的会加重项目成本。然后思路是想通过先固定特定的模板，通过一些占位符技术去实现，想法可以，也有在一些付费的第三方应用里看到过，不过实现起来也没那么容易，特别是想要在一两天内实现，时间太紧促了，所以只能通过一种小技巧绕过，方法虽然可行，不过不是好的方法

> 这种方法是先约定模板，要筛选出来的文本固定一种特定的样式，然后通过通过程序识别出这种文本，还有一种方法是通过书签，不过网上搜到有第三方jar是要收费的，就不描述了

poi-ooxml是word文档需要的

<properties>
       <poi.version>3.9</poi.version>
    </properties>
    
    <dependencies>
       <dependency>
           <groupId>org.apache.poi</groupId>
           <artifactId>poi</artifactId>
           <version>${poi.version}</version>
       </dependency>
       <dependency>
           <groupId>org.apache.poi</groupId>
           <artifactId>poi-ooxml</artifactId>
           <version>${poi.version}</version>
       </dependency>
    </dependencies>

import org.apache.poi.POIXMLDocument;
    import org.apache.poi.hwpf.HWPFDocument;
    import org.apache.poi.hwpf.model.StyleDescription;
    import org.apache.poi.hwpf.model.StyleSheet;
    import org.apache.poi.hwpf.usermodel.Paragraph;
    import org.apache.poi.hwpf.usermodel.Range;
    import org.apache.poi.xwpf.usermodel.XWPFDocument;
    import org.apache.poi.xwpf.usermodel.XWPFParagraph;
    import org.apache.poi.xwpf.usermodel.XWPFRun;
    
    import java.io.*;
    import java.util.List;
    
    public class WordUtils { 
    
        public static void main(String[] args) throws Exception { 
            String filePath = "D://test.docx";
            printWord(filePath);
        }
    
        public static void printWord(String filePath) throws IOException { 
    
            XWPFDocument document = new XWPFDocument(POIXMLDocument.openPackage(filePath));
            List<XWPFParagraph> paragraphs = document.getParagraphs();
    
            for (XWPFParagraph p : paragraphs) { 
            	//获取段落中的句列表
                List<XWPFRun> runsLists = p.getRuns();
                for (XWPFRun runs : runsLists) { 
                	//获取句的字体颜色
                    String c = runs.getColor();
                    //获取句中字的大小
                    int f = runs.getFontSize();
                    //获取文本内容
                    String s = runs.getText(0);
                    // 字体为16的黑色字体都筛选出来
                    if (f == 16 && "000000".equals(c)) {  
                        System.out.println(s);
                    }
                }
            }
        }
    }

ps：本博客内容比较简单，只是自己做下记录，有时间再探讨一下实现，网上实现的很多都是付费的，不建议用本博客的方法，本博客只是自己做下笔记