2、处理图片和段落文字

 1 package com.poi.test;
 3 import java.io.ByteArrayOutputStream;
 4 import java.io.File;
 5 import java.io.FileInputStream;
 7 import org.apache.poi.hwpf.HWPFDocument;
 8 import org.apache.poi.hwpf.model.PicturesTable;
 9 import org.apache.poi.hwpf.usermodel.CharacterRun;
10 import org.apache.poi.hwpf.usermodel.Paragraph;
11 import org.apache.poi.hwpf.usermodel.Picture;
12 import org.apache.poi.hwpf.usermodel.Range;
14 public class PoiForWord {
15     /**
16      * 使用HWPFDocument解析word文档
17      * wps按doc处理即可
18      */
19     public void parseDocByHWPFDocument(){
20         try(FileInputStream is = new FileInputStream(new File("c:\\a.wps"));HWPFDocument document = new HWPFDocument(is);){
21             ByteArrayOutputStream baos = new ByteArrayOutputStream();//字节流，用来存储图片
22             PicturesSource pictures = new PicturesSource(document);
23             PicturesTable pictureTable = document.getPicturesTable();
25             Range r = document.getRange();//区间
26             for(int i=0;i<r.numParagraphs();i++){
27                 Paragraph p = r.getParagraph(i);//段落
28                 int fontSize = p.getCharacterRun(0).getFontSize();//字号，字号和是否加粗可用来当做标题或者某一关键标识的判断
                   boolean isBold = p.getCharacterRun(0).isBold();//是否加粗
29                 String paragraphText = p.text();//段落文本
31                 //以下代码解析图片,这样获取的图片是在文档流中的，是和文本按顺序解析的，可以很好的解决图片定位问题
32                 for(int j=0;j<p.numCharacterRuns();j++){
33                     CharacterRun cr = p.getCharacterRun(j);//字符
34                     if(pictureTable.hasPicture(cr)){
35                         Picture picture = pictures.getFor(cr);
36                         //如果是在页面显示图片，可转换为base64编码的图片
37                         picture.writeImageContent(baos);//将图片写入字节流
38 //                        String base64Image = "<img src='data:image/png;base64,"+new BASE64Encoder().encode(baos.toByteArray())+"'/>";
39                     }
40                 }
41             }
42         }catch(Exception e){
43             e.printStackTrace();
44         }
45     }
3、处理表格
 
 5     @Test
 6     public void parseDocTableByHWPFDocument(){
 7         try(FileInputStream is = new FileInputStream(new File("d:\\b.doc"));HWPFDocument document = new HWPFDocument(is);){
 8             Range r = document.getRange();//区间
 9             for(int i=0;i<r.numParagraphs();i++){
10                 Paragraph p = r.getParagraph(i);//段落
11                 String text = p.text();
13                 if(text.indexOf("序号")!=-1){//解析表格需要从表格第一个单元格获取表格，另一种表格的方式是直接获取所有表格，但是无法判断表格在文档中的位置
14                     Table table = r.getTable(p);
16                     int numRows = table.numRows();//获取行数
18                     for(int j=0;j<numRows;j++){
19                         TableRow row = table.getRow(j);
20                         int numCells = row.numCells();//当前行列数
21                         for(int k=0;k<numCells;k++){
22                             TableCell cell = row.getCell(k);
23                             System.out.print(cell.text()+" @ ");
24                         }
25                         System.out.println();
26                     }
27                 }
28             }
29         }catch(Exception e){
30             e.printStackTrace();
31         }
32     }

字符"?"可通过字符串替换或截取来解决

另一种解析的方式，只支持解析文本内容，且无法获取字号和加粗等字体格式

1 WordExtractor extor = new WordExtractor(is);
2             String[] paragraphText = extor.getParagraphText();