读取纯文本

现在手机的用途越来越广泛，从原来只有通讯功能的电话，到拍照手机，到上网手机，再到办公手机，可谓是无所不能了。说到办公，除了收发邮件，还有个频繁使用的功能，就是处理word文件。电脑上的office文件，常见的有三种格式，分别是word、excel和ppt，其中excel文件的读写已经在博文《 Android开发笔记（三十四）Excel文件的读写》中做了介绍，比excel更加常用的是word文件，本文就对手机如何读取并显示word文件进行探讨。

如果仅仅把word文件里面的文字内容读取出来，有个简单的解决办法，只要在android工程中导入tm-extractors-0.4.jar，即可快速获得word文件中的文本。下面是使用tm-extractors读取word文件的截图：

下面是使用tm-extractors读取word文件的代码：

public class TextActivity extends Activity implements OnClickListener, FileSelectCallbacks {private final static String TAG = "TextActivity";private TextView tv_content;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);setContentView(R.layout.activity_text);findViewById(R.id.btn_open).setOnClickListener(this);tv_content = (TextView) findViewById(R.id.tv_content);}@Overridepublic void onClick(View v) {if (v.getId() == R.id.btn_open) {FileSelectFragment.show(this, new String[] {"doc"}, null);}}@Overridepublic void onConfirmSelect(String absolutePath, String fileName, Map<String, Object> map_param) {String path = String.format("%s/%s", absolutePath, fileName);Log.d(TAG, "path="+path);//tm-extractors-0.4.jar与poi的包在编译时会冲突，二者只能同时导入一个String content = readWord(path).trim();Log.d(TAG, "content="+content);tv_content.setText(content);}@Overridepublic boolean isFileValid(String absolutePath, String fileName, Map<String, Object> map_param) {return true;}private String readWord(String file) {String text = "";try {FileInputStream in = new FileInputStream(new File(file));WordExtractor extractor = new WordExtractor();text = extractor.extractText(in);} catch (Exception e) {e.printStackTrace();}return text;}
}

读取图文内容

虽然使用tm-extractors能够方便读取word文件，但是它的局限性也是显而易见的，因为它只能读取纯文本，无法读取图片，也无法读取文字格式，比如文字大小、文字颜色、文字字体、对齐方式等等都无能为力；而且tm-extractors只能读取doc格式，不支持office2007之后的docx格式，更是极大限制了它的适用范围。

所以要想把word里的图文内容原样读出，就得另想办法了，如果是在java服务端，可以考虑apache的poi库，该库支持读取包括word、excel、ppt在内的office文件；然而在android手机端，仅仅把word文件的图文内容读取出来还是不够的，还要想办法把这些图文内容在手机上显示才行。可是，复杂的图文内容，包括各种字体，要想使用android的原生控件来显示，并不是一件容易的事；只有借助于WebView，把图文内容转换为html文件，方可在手机屏幕上显示丰富样式的word文档。

总之，就是想办法把word文件转为html文件，然后使用WebView予以展示。这个原理并不难，难的是如何把word文件转为html文件。虽然结合poi库，可以把word文件里的文字样式与图片读出来，但是还得把这些内容使用html标签进行拼接，这里的转换规则并不容易，需要合理运用html标签才行。

下面是一个word文件的截图，其中包含文字和图片，文字又有不同大小、不同颜色、不同字体的文本。

下面是在手机上读取word文件并显示在屏幕上的界面截图，可以看到读取的效果与原来的word文件基本相似。

需要注意的是，Android4.2的WebView不会显示文本的斜体效果，4.4之后才会显示斜体文本。下面是使用poi读取word文件的页面代码：

public class HtmlActivity extends Activity implements OnClickListener, FileSelectCallbacks {private final static String TAG = "HtmlActivity";private WebView wv_content;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);setContentView(R.layout.activity_html);findViewById(R.id.btn_open).setOnClickListener(this);wv_content = (WebView) findViewById(R.id.wv_content);}@Overridepublic void onClick(View v) {if (v.getId() == R.id.btn_open) {FileSelectFragment.show(this, new String[] {"doc", "docx"}, null);}}@Overridepublic void onConfirmSelect(String absolutePath, String fileName, Map<String, Object> map_param) {String path = String.format("%s/%s", absolutePath, fileName);Log.d(TAG, "path="+path);//tm-extractors-0.4.jar与poi的包在编译时会冲突，二者只能同时导入一个WordUtil wu = new WordUtil(path);Log.d(TAG, "htmlPath="+wu.htmlPath);wv_content.loadUrl("file:///" + wu.htmlPath);}@Overridepublic boolean isFileValid(String absolutePath, String fileName, Map<String, Object> map_param) {return true;}}

下面是使用poi读取word文件的工具代码：

public class WordUtil {private final static String TAG = "WordUtil";public String htmlPath;private String docPath;private String picturePath;private List<Picture> pictures;private TableIterator tableIterator;private int presentPicture = 0;private FileOutputStream output;private String htmlBegin = "<html><meta charset=\"utf-8\"><body>";private String htmlEnd = "</body></html>";private String tableBegin = "<table style=\"border-collapse:collapse\" border=1 bordercolor=\"black\">";private String tableEnd = "</table>";private String rowBegin = "<tr>", rowEnd = "</tr>";private String columnBegin = "<td>", columnEnd = "</td>";private String lineBegin = "<p>", lineEnd = "</p>";private String centerBegin = "<center>", centerEnd = "</center>";private String boldBegin = "<b>", boldEnd = "</b>";private String underlineBegin = "<u>", underlineEnd = "</u>";private String italicBegin = "<i>", italicEnd = "</i>";private String fontSizeTag = "<font size=\"%d\">";private String fontColorTag = "<font color=\"%s\">";private String fontEnd = "</font>";private String spanColor = "<span style=\"color:%s;\">", spanEnd = "</span>";private String divRight = "<div align=\"right\">", divEnd = "</div>";private String imgBegin = "<img src=\"%s\" >";public WordUtil(String doc_name) {docPath = doc_name;htmlPath = FileUtil.createFile("html", FileUtil.getFileName(docPath) + ".html");Log.d(TAG, "htmlPath=" + htmlPath);try {output = new FileOutputStream(new File(htmlPath));presentPicture = 0;output.write(htmlBegin.getBytes());if (docPath.endsWith(".doc")) {readDOC();} else if (docPath.endsWith(".docx")) {readDOCX();}output.write(htmlEnd.getBytes());output.close();} catch (Exception e) {e.printStackTrace();}}//读取word中的内容并写到sd卡上的html文件中private void readDOC() {try {FileInputStream in = new FileInputStream(docPath);POIFSFileSystem pfs = new POIFSFileSystem(in);HWPFDocument hwpf = new HWPFDocument(pfs);Range range = hwpf.getRange();pictures = hwpf.getPicturesTable().getAllPictures();tableIterator = new TableIterator(range);int numParagraphs = range.numParagraphs();// 得到页面所有的段落数for (int i = 0; i < numParagraphs; i++) { // 遍历段落数Paragraph p = range.getParagraph(i); // 得到文档中的每一个段落if (p.isInTable()) {int temp = i;if (tableIterator.hasNext()) {Table table = tableIterator.next();output.write(tableBegin.getBytes());int rows = table.numRows();for (int r = 0; r < rows; r++) {output.write(rowBegin.getBytes());TableRow row = table.getRow(r);int cols = row.numCells();int rowNumParagraphs = row.numParagraphs();int colsNumParagraphs = 0;for (int c = 0; c < cols; c++) {output.write(columnBegin.getBytes());TableCell cell = row.getCell(c);int max = temp + cell.numParagraphs();colsNumParagraphs = colsNumParagraphs + cell.numParagraphs();for (int cp = temp; cp < max; cp++) {Paragraph p1 = range.getParagraph(cp);output.write(lineBegin.getBytes());writeParagraphContent(p1);output.write(lineEnd.getBytes());temp++;}output.write(columnEnd.getBytes());}int max1 = temp + rowNumParagraphs;for (int m = temp + colsNumParagraphs; m < max1; m++) {temp++;}output.write(rowEnd.getBytes());}output.write(tableEnd.getBytes());}i = temp;} else {output.write(lineBegin.getBytes());writeParagraphContent(p);output.write(lineEnd.getBytes());}}} catch (Exception e) {e.printStackTrace();}}private void readDOCX() {try {ZipFile docxFile = new ZipFile(new File(docPath));ZipEntry sharedStringXML = docxFile.getEntry("word/document.xml");InputStream inputStream = docxFile.getInputStream(sharedStringXML);XmlPullParser xmlParser = Xml.newPullParser();xmlParser.setInput(inputStream, "utf-8");boolean isTable = false; // 表格boolean isSize = false; // 文字大小boolean isColor = false; // 文字颜色boolean isCenter = false; // 居中对齐boolean isRight = false; // 靠右对齐boolean isItalic = false; // 斜体boolean isUnderline = false; // 下划线boolean isBold = false; // 加粗boolean isRegion = false; // 在那个区域中int pic_ndex = 1; // docx中的图片名从image1开始，所以索引从1开始int event_type = xmlParser.getEventType();while (event_type != XmlPullParser.END_DOCUMENT) {switch (event_type) {case XmlPullParser.START_TAG: // 开始标签String tagBegin = xmlParser.getName();if (tagBegin.equalsIgnoreCase("r")) {isRegion = true;}if (tagBegin.equalsIgnoreCase("jc")) { // 判断对齐方式String align = xmlParser.getAttributeValue(0);if (align.equals("center")) {output.write(centerBegin.getBytes());isCenter = true;}if (align.equals("right")) {output.write(divRight.getBytes());isRight = true;}}if (tagBegin.equalsIgnoreCase("color")) { // 判断文字颜色String color = xmlParser.getAttributeValue(0);output.write(String.format(spanColor, color).getBytes());isColor = true;}if (tagBegin.equalsIgnoreCase("sz")) { // 判断文字大小if (isRegion == true) {int size = getSize(Integer.valueOf(xmlParser.getAttributeValue(0)));output.write(String.format(fontSizeTag, size).getBytes());isSize = true;}}if (tagBegin.equalsIgnoreCase("tbl")) { // 检测到表格output.write(tableBegin.getBytes());isTable = true;} else if (tagBegin.equalsIgnoreCase("tr")) { // 表格行output.write(rowBegin.getBytes());} else if (tagBegin.equalsIgnoreCase("tc")) { // 表格列output.write(columnBegin.getBytes());}if (tagBegin.equalsIgnoreCase("pic")) { // 检测到图片ZipEntry pic_entry = FileUtil.getPicEntry(docxFile, pic_ndex);if (pic_entry != null) {byte[] pictureBytes = FileUtil.getPictureBytes(docxFile, pic_entry);writeDocumentPicture(pictureBytes);}pic_ndex++; // 转换一张后，索引+1}if (tagBegin.equalsIgnoreCase("p") && !isTable) {// 检测到段落，如果在表格中就无视output.write(lineBegin.getBytes());}if (tagBegin.equalsIgnoreCase("b")) { // 检测到加粗isBold = true;}if (tagBegin.equalsIgnoreCase("u")) { // 检测到下划线isUnderline = true;}if (tagBegin.equalsIgnoreCase("i")) { // 检测到斜体isItalic = true;}// 检测到文本if (tagBegin.equalsIgnoreCase("t")) {if (isBold == true) { // 加粗output.write(boldBegin.getBytes());}if (isUnderline == true) { // 检测到下划线，输入<u>output.write(underlineBegin.getBytes());}if (isItalic == true) { // 检测到斜体，输入<i>output.write(italicBegin.getBytes());}String text = xmlParser.nextText();output.write(text.getBytes()); // 写入文本if (isItalic == true) { // 输入斜体结束标签</i>output.write(italicEnd.getBytes());isItalic = false;}if (isUnderline == true) { // 输入下划线结束标签</u>output.write(underlineEnd.getBytes());isUnderline = false;}if (isBold == true) { // 输入加粗结束标签</b>output.write(boldEnd.getBytes());isBold = false;}if (isSize == true) { // 输入字体结束标签</font>output.write(fontEnd.getBytes());isSize = false;}if (isColor == true) { // 输入跨度结束标签</span>output.write(spanEnd.getBytes());isColor = false;}
//                      if (isCenter == true) { // 输入居中结束标签</center>。要在段落结束之前再输入该标签，因为该标签会强制换行
//                          output.write(centerEnd.getBytes());
//                          isCenter = false;
//                      }if (isRight == true) { // 输入区块结束标签</div>output.write(divEnd.getBytes());isRight = false;}}break;// 结束标签case XmlPullParser.END_TAG:String tagEnd = xmlParser.getName();if (tagEnd.equalsIgnoreCase("tbl")) { // 输入表格结束标签</table>output.write(tableEnd.getBytes());isTable = false;}if (tagEnd.equalsIgnoreCase("tr")) { // 输入表格行结束标签</tr>output.write(rowEnd.getBytes());}if (tagEnd.equalsIgnoreCase("tc")) { // 输入表格列结束标签</td>output.write(columnEnd.getBytes());}if (tagEnd.equalsIgnoreCase("p")) { // 输入段落结束标签</p>，如果在表格中就无视if (isTable == false) {if (isCenter == true) { // 输入居中结束标签</center>output.write(centerEnd.getBytes());isCenter = false;}output.write(lineEnd.getBytes());}}if (tagEnd.equalsIgnoreCase("r")) {isRegion = false;}break;default:break;}event_type = xmlParser.next();}} catch (Exception e) {e.printStackTrace();}}private int getSize(int sizeType) {if (sizeType >= 1 && sizeType <= 8) {return 1;} else if (sizeType >= 9 && sizeType <= 11) {return 2;} else if (sizeType >= 12 && sizeType <= 14) {return 3;} else if (sizeType >= 15 && sizeType <= 19) {return 4;} else if (sizeType >= 20 && sizeType <= 29) {return 5;} else if (sizeType >= 30 && sizeType <= 39) {return 6;} else if (sizeType >= 40) {return 7;} else {return 3;}}private String getColor(int colorType) {if (colorType == 1) {return "#000000";} else if (colorType == 2) {return "#0000FF";} else if (colorType == 3 || colorType == 4) {return "#00FF00";} else if (colorType == 5 || colorType == 6) {return "#FF0000";} else if (colorType == 7) {return "#FFFF00";} else if (colorType == 8) {return "#FFFFFF";} else if (colorType == 9 || colorType == 15) {return "#CCCCCC";} else if (colorType == 10 || colorType == 11) {return "#00FF00";} else if (colorType == 12 || colorType == 16) {return "#080808";} else if (colorType == 13 || colorType == 14) {return "#FFFF00";} else {return "#000000";}}public void writeDocumentPicture(byte[] pictureBytes) {picturePath = FileUtil.createFile("html", FileUtil.getFileName(docPath) + presentPicture + ".jpg");FileUtil.writePicture(picturePath, pictureBytes);presentPicture++;String imageString = String.format(imgBegin, picturePath);try {output.write(imageString.getBytes());} catch (Exception e) {e.printStackTrace();}}public void writeParagraphContent(Paragraph paragraph) {Paragraph p = paragraph;int pnumCharacterRuns = p.numCharacterRuns();for (int j = 0; j < pnumCharacterRuns; j++) {CharacterRun run = p.getCharacterRun(j);if (run.getPicOffset() == 0 || run.getPicOffset() >= 1000) {if (presentPicture < pictures.size()) {writeDocumentPicture(pictures.get(presentPicture).getContent());}} else {try {String text = run.text();if (text.length() >= 2 && pnumCharacterRuns < 2) {output.write(text.getBytes());} else {String fontSizeBegin = String.format(fontSizeTag, getSize(run.getFontSize()));String fontColorBegin = String.format(fontColorTag, getColor(run.getColor()));output.write(fontSizeBegin.getBytes());output.write(fontColorBegin.getBytes());if (run.isBold()) {output.write(boldBegin.getBytes());}if (run.isItalic()) {output.write(italicBegin.getBytes());}output.write(text.getBytes());if (run.isBold()) {output.write(boldEnd.getBytes());}if (run.isItalic()) {output.write(italicEnd.getBytes());}output.write(fontEnd.getBytes());output.write(fontEnd.getBytes());}} catch (Exception e) {e.printStackTrace();}}}}
}

点击下载本文用到的读取并显示Word文件的工程代码

点此查看Android开发笔记的完整目录

Android开发笔记（一百四十）Word文件的读取与显示相关推荐

Android开发笔记（七十四）布局文件优化
include/merge 布局优化中常常用到include/merge标签,include的含义类似C代码中的include,意思是直接把指定布局片段包含进当前的布局文件.include适用于多个布 ...
Android开发笔记（八十六）几个特殊的类
接口interface interface是一些功能的集合,但它只定义了对象必须实现的成员,而不包含成员的实现代码,成员的具体代码由实现接口的类提供.Android对接口的使用场景主要有三类:事件监听 ...
Android开发笔记（七十九）资源与权限校验
硬件资源因为移动设备的硬件配置各不相同,为了防止使用了不存在的设备资源,所以要对设备的硬件情况进行检查.一般情况下,前置摄像头.部分传感器在低端手机上是没有的,像SD卡也可能因为用户没插卡使得找不到 ...
Android开发笔记（七十五）内存泄漏的处理
内存泄漏的原因一直以来以为只有C/C++才存在内存泄漏的问题,没想到拥有内存回收机制的Java也可能出现内存泄漏.C/C++存在指针的概念,程序中需要使用指针变量时,就从内存中开辟一块区域,并把该区 ...
Android开发笔记（六十八）工程库打包
写好一个Android模块,比如说一个自定义控件或某个功能的sdk,然后开放出来给别人使用,就得通过某种方式把源码提供给对方.常见的打包方式有: 一.直接给源码,由开发者把代码加入到自己的工程中该方 ...
Android开发笔记（六十六）自定义对话框
AlertDialog Android中最常用的对话框是AlertDialog,它可以完成常见的交互操作,如提示.确认.选择等等,然后就是进度对话框ProgressDialog(参见< Andr ...
Android开发笔记（六十五）多样的菜单
菜单Menu Android的菜单分为两类:选项菜单和上下文菜单,默认使用选项菜单.菜单的布局文件存放在res/menu目录下,使用ADT新建一个Android工程,首页代码MainActivity中 ...
Android开发笔记（六十二）HTTP数据格式的解析
json解析 android有两种主流的json解析方案,一种是sdk自带的由Google提供的json(包名前缀为org.json),另一种是Alibaba提供的第三方jar包fastjson(包名 ...
Android开发笔记（五十二）通知推送Notification
PendingIntent 准备工作复习一下PendingIntent,前面的博文< Android开发笔记(五十)定时器AlarmManager>已经提到了它.PendingIntent ...

Android开发笔记（一百四十）Word文件的读取与显示

读取纯文本

读取图文内容

Android开发笔记（一百四十）Word文件的读取与显示相关推荐

最新文章

热门文章