实战 | JAVA读取WORD，包含表格。

快来打我* 2022-11-07 13:26 366阅读 0赞

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`、`doc`POI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！

--------------------

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

![7acb60770ab2e058b9e5948b7d8999d5.png][]

[7acb60770ab2e058b9e5948b7d8999d5.png]: /images/20221023/8803ea8e6f3940e08a5d7f5eee18ab7c.png