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 section = doc.getSections().get(i);
for (int j = 0; j < section.getParagraphs().getCount(); j++) {
Paragraph paragraph = section.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 section = doc.getSections().get(i);
for (int j = 0; j < section.getBody().getChildObjects().getCount(); j++) {
DocumentObject obj = section.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。
本文分享自微信公众号 - JAVA日知录（javadaily）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。