java如何解析word大纲_Java POI 解析word文档
实现步骤:
1.poi实现word转html
2.模型化解析html
3.html转Map数组
Map数组(数组的操作处理不做说明)
1.导jar包。
2.代码实现
package com.web.onlinexam.util;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.apache.commons.lang.StringUtils;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.model.PicturesTable;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Table;
import org.apache.poi.hwpf.usermodel.TableCell;
import org.apache.poi.hwpf.usermodel.TableIterator;
import org.apache.poi.hwpf.usermodel.TableRow;
import com.common.util.DateFormatUtil;
import com.common.util.FileUploadPathConfig;
/**
*
* @Description:Word试卷文档模型化解析
* @author Thos 42 * @ClassName: WordToHtml 44 * @version V1.0
*
*/
public class WordToHtml {
/**
* 回车符ASCII码
*/
private static final short ENTER_ASCII = 13;
/**
* 空格符ASCII码
*/
private static final short SPACE_ASCII = 32;
/**
* 水平制表符ASCII码
*/
private static final short TABULATION_ASCII = 9;
public static String htmlText = "";
public static String htmlTextTbl = "";
public static int counter=0;
public static int beginPosi=0;
public static int endPosi=0;
public static int beginArray[];
public static int endArray[];
public static String htmlTextArray[];
public static boolean tblExist=false;
public static final String inputFile="C:\\Users\\java\\Downloads\\111222.doc";
public static final String htmlFile="E:/abc.html";
public static void main(String argv[])
{
try {
getWordAndStyle(inputFile);
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* word文档图片存储路径
* @return
*/
public static String wordImageFilePath(){
return FileUploadPathConfig.FILE_UPLOAD_BASE+"upload/wordImage/"+ DateFormatUtil.formatDate(new Date());
}
/**
* word文档图片Web访问路径
* @return
*/
public static String wordImgeWebPath(){
return "D:/var/e_learning/upload/wordImage/"+ DateFormatUtil.formatDate(new Date())+"/";
}
/**
* 读取每个文字样式
*
* @param fileName
* @throws Exception
*/
public static void getWordAndStyle(String fileName) throws Exception {
FileInputStream in = new FileInputStream(new File(fileName));
HWPFDocument doc = new HWPFDocument(in);
Range rangetbl = doc.getRange();//得到文档的读取范围
TableIterator it = new TableIterator(rangetbl);
int num=100;
beginArray=new int[num];
endArray=new int[num];
htmlTextArray=new String[num];
// 取得文档中字符的总数
int length = doc.characterLength();
// 创建图片容器
PicturesTable pTable = doc.getPicturesTable();
htmlText = "
" + doc.getSummaryInformation().getTitle() + "";
// 创建临时字符串,好加以判断一串字符是否存在相同格式
if(it.hasNext())
{
readTable(it,rangetbl);
}
int cur=0;
String tempString = "";
for (int i = 0; i < length - 1; i++) {
// 整篇文章的字符通过一个个字符的来判断,range为得到文档的范围
Range range = new Range(i, i + 1, doc);
CharacterRun cr = range.getCharacterRun(0);
if(tblExist)
{
if(i==beginArray[cur])
{
htmlText+=tempString+htmlTextArray[cur];
tempString="";
i=endArray[cur]-1;
cur++;
continue;
}
}
if (pTable.hasPicture(cr)) {
htmlText += tempString ;
// 读写图片
readPicture(pTable, cr);
tempString = "";
}
else {
Range range2 = new Range(i + 1, i + 2, doc);
// 第二个字符
CharacterRun cr2 = range2.getCharacterRun(0);
char c = cr.text().charAt(0);
// 判断是否为空格符
if (c == SPACE_ASCII)
tempString += " ";
// 判断是否为水平制表符
else if (c == TABULATION_ASCII)
tempString += " ";
// 比较前后2个字符是否具有相同的格式
boolean flag = compareCharStyle(cr, cr2);
if (flag&&c !=ENTER_ASCII)
tempString += cr.text();
else {
String fontStyle = "" + tempString + cr.text();
htmlText +="";
tempString = "";
}
// 判断是否为回车符
if (c == ENTER_ASCII)
htmlText += "
";
}
}
htmlText += tempString+"";
//生成html文件
writeFile(htmlText);
System.out.println("------------WordToHtml转换成功----------------");
//word试卷数据模型化
analysisHtmlString(htmlText);
System.out.println("------------WordToHtml模型化成功----------------");
}
/**
* 读写文档中的表格
*
* @param pTable
* @param cr
* @throws Exception
*/
public static void readTable(TableIterator it, Range rangetbl) throws Exception {
htmlTextTbl="";
//迭代文档中的表格
counter=-1;
while (it.hasNext())
{
tblExist=true;
htmlTextTbl="";
Table tb = (Table) it.next();
beginPosi=tb.getStartOffset() ;
endPosi=tb.getEndOffset();
//System.out.println("............"+beginPosi+"...."+endPosi);
counter=counter+1;
//迭代行,默认从0开始
beginArray[counter]=beginPosi;
endArray[counter]=endPosi;
htmlTextTbl+="
for (int i = 0; i < tb.numRows(); i++) {
TableRow tr = tb.getRow(i);
htmlTextTbl+="
";
//迭代列,默认从0开始
for (int j = 0; j < tr.numCells(); j++) {
TableCell td = tr.getCell(j);//取得单元格
int cellWidth=td.getWidth();
//取得单元格的内容
for(int k=0;k
Paragraph para =td.getParagraph(k);
String s = para.text().toString().trim();
if(s=="")
{
s=" ";
}
htmlTextTbl += "
"+s+"";
}
}
}
htmlTextTbl+="
" ;
htmlTextArray[counter]=htmlTextTbl;
} //end while
}
/**
* 读写文档中的图片
*
* @param pTable
* @param cr
* @throws Exception
*/
public static void readPicture(PicturesTable pTable, CharacterRun cr) throws Exception {
// 提取图片
Picture pic = pTable.extractPicture(cr, false);
// 返回POI建议的图片文件名
String afileName = pic.suggestFullFileName();
File file = new File(wordImageFilePath());
System.out.println(file.mkdirs());
OutputStream out = new FileOutputStream(new File( wordImageFilePath()+ File.separator + afileName));
pic.writeImageContent(out);
htmlText += "";
}
public static boolean compareCharStyle(CharacterRun cr1, CharacterRun cr2)
{
boolean flag = false;
if (cr1.isBold() == cr2.isBold() && cr1.isItalic() == cr2.isItalic() && cr1.getFontName().equals(cr2.getFontName())
&& cr1.getFontSize() == cr2.getFontSize()&& cr1.getColor() == cr2.getColor())
{
flag = true;
}
return flag;
}
/*** 字体颜色模块start ********/
public static int red(int c) {
return c & 0XFF;
}
public static int green(int c) {
return (c >> 8) & 0XFF;
}
public static int blue(int c) {
return (c >> 16) & 0XFF;
}
public static int rgb(int c) {
return (red(c) << 16) | (green(c) << 8) | blue(c);
}
public static String rgbToSix(String rgb) {
int length = 6 - rgb.length();
String str = "";
while (length > 0) {
str += "0";
length--;
}
return str + rgb;
}
public static String getHexColor(int color) {
color = color == -1 ? 0 : color;
int rgb = rgb(color);
return "#" + rgbToSix(Integer.toHexString(rgb));
}
/** 字体颜色模块end ******/
/**
* 写文件
*
* @param s
*/
public static void writeFile(String s) {
FileOutputStream fos = null;
BufferedWriter bw = null;
PrintWriter writer = null;
try {
File file = new File(htmlFile);
fos = new FileOutputStream(file);
bw = new BufferedWriter(new OutputStreamWriter(fos));
bw.write(s);
bw.close();
fos.close();
//编码转换
writer = new PrintWriter(file, "GB2312");
writer.write(s);
writer.flush();
writer.close();
} catch (FileNotFoundException fnfe) {
fnfe.printStackTrace();
} catch (IOException ioe) {
ioe.printStackTrace();
}
}
/**
* 分析html
* @param s
*/
public static void analysisHtmlString(String s){
String q[] = s.split("
");
LinkedList list = new LinkedList();
//清除空字符
for (int i = 0; i < q.length; i++) {
if(StringUtils.isNotBlank(q[i].toString().replaceAll("?[^>]+>","").trim())){
list.add(q[i].toString().trim());
}
}
String[] result = {};
String ws[]=list.toArray(result);
int singleScore = 0;
int multipleScore = 0;
int fillingScore = 0;
int judgeScore = 0;
int askScore = 0;
int singleNum = 0;
int multipleNum = 0;
int fillingNum = 0;
int judgeNum = 0;
int askNum = 0;
/***********试卷基础数据赋值*********************/
for (int i = 0; i < ws.length; i++) {
String delHtml=ws[i].toString().replaceAll("?[^>]+>","").trim();//去除html
if(delHtml.contains("、单选题")){
String numScore=numScore(delHtml);
singleNum= Integer.parseInt(numScore.split(",")[0]) ;
singleScore=Integer.parseInt(numScore.split(",")[1]) ;
}else if(delHtml.contains("、多择题")){
String numScore=numScore(delHtml);
multipleNum= Integer.parseInt(numScore.split(",")[0]) ;
multipleScore=Integer.parseInt(numScore.split(",")[1]) ;
}else if(delHtml.contains("、填空题")){
String numScore=numScore(delHtml);
fillingNum= Integer.parseInt(numScore.split(",")[0]) ;
fillingScore=Integer.parseInt(numScore.split(",")[1]) ;
}else if(delHtml.contains("、判断题")){
String numScore=numScore(delHtml);
judgeNum= Integer.parseInt(numScore.split(",")[0]) ;
judgeScore=Integer.parseInt(numScore.split(",")[1]) ;
}else if(delHtml.contains("、问答题")){
String numScore=numScore(delHtml);
askNum= Integer.parseInt(numScore.split(",")[0]) ;
askScore=Integer.parseInt(numScore.split(",")[1]) ;
}
}
/**************word试卷数据模型化****************/
List> bigTiMaps = new ArrayList>();
List> smalMaps = new ArrayList>();
List> sleMaps = new ArrayList>();
String htmlText="";
int smalScore=0;
for (int j = ws.length-1; j>=0; j--) {
String html= ws[j].toString().trim();//html格式
String delHtml=ws[j].toString().replaceAll("?[^>]+>","").trim();//去除html
if(!isSelecteTitele(delHtml)&&!isTitele(delHtml)&&!isBigTilete(delHtml)){//无
if(isTitele(delHtml)){
smalScore=itemNum(delHtml);
}
htmlText=html+htmlText;
}else if(isSelecteTitele(delHtml)){//选择题选择项
Map sleMap = new HashMap();//选择题选择项
sleMap.put("seleteItem", delHtml.substring(0, 1));
sleMap.put("seleteQuest", html+htmlText);
sleMaps.add(sleMap);
}else if(isTitele(delHtml)){//小标题
Map smalMap = new HashMap();//小标题
smalMap.put("smalTilete", html+htmlText);
smalMap.put("smalScore", smalScore>0?smalScore+"":itemNum(delHtml)+"");
smalMap.put("sleMaps", sleMaps);
smalMaps.add(smalMap);
}else if(isBigTilete(delHtml)){//大标题
Map bigTiMap = new HashMap();//大标题
bigTiMap.put("bigTilete", delHtml.substring(2, 5));
bigTiMap.put("smalMaps", smalMaps);
bigTiMaps.add(bigTiMap);
}
}
//System.out.println(bigTiMaps.toString());
}
//获取大题-题目数量以及题目总计分数
public static String numScore(String delHtml){
String regEx="[^0-9+,|,+^0-9]";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(delHtml);
String s=m.replaceAll("").trim();
if(StringUtils.isNotBlank(s)){
if(s.contains(",")){
return s;
}else if(s.contains(",")){
return s.replace(",", ",");
}else{
return "0,0";
}
}else{
return "0,0";
}
}
//获取每小题分数
public static int itemNum(String delHtml){
Pattern pattern = Pattern.compile("((.*?))"); //中文括号
Matcher matcher = pattern.matcher(delHtml);
if (matcher.find()&&isNumeric(matcher.group(1))){
return Integer.parseInt(matcher.group(1));
}else {
return 0;
}
}
//判断Str是否是 数字
public static boolean isNumeric(String str){
Pattern pattern = Pattern.compile("[0-9]*");
return pattern.matcher(str).matches();
}
//判断Str是否存在小标题号
public static boolean isTitele(String str){
Pattern pattern = Pattern.compile("^([\\d]+[-\\、].*)");
return pattern.matcher(str).matches();
}
//判断Str是否是选择题选择项
public static boolean isSelecteTitele(String str){
Pattern pattern = Pattern.compile("^([a-zA-Z]+[-\\:].*)");
return pattern.matcher(str).matches();
}
//判断Str是否是大标题
public static boolean isBigTilete(String str){
boolean iso= false ;
if(str.contains("一、")){
iso=true;
}else if(str.contains("二、")){
iso=true;
}else if(str.contains("三、")){
iso=true;
}else if(str.contains("四、")){
iso=true;
}else if(str.contains("五、")){
iso=true;
}else if(str.contains("六、")){
iso=true;
}else if(str.contains("七、")){
iso=true;
}else if(str.contains("八、")){
iso=true;
}
return iso;
}
}
文章出自:http://www.cnblogs.com/libaoting/p/wordToMap.html
后期我会在该代码基础上,实现扩展,例如将其转换成一个List
java如何解析word大纲_Java POI 解析word文档相关推荐
- java excel row遍历空_Java poi读取,写入Excel,处理row和cell可能为空的情况
首先需要导入包 import org.apache.poi.hssf.usermodel.HSSFWorkbook; import org.apache.poi.poifs.filesystem.NP ...
- java xml 合并_Java中合并XML文档的设计与实现
为了读写XML文件,需要导入如下JAVA包,"//"后为注释说明,笔者的环境是JDK1.3.1,在JDK 1.4.0中测试也通过. Import java.io. *; //Jav ...
- java后台处理excel_java后台利用Apache poi 生成excel文档提供前台下载示例
之前在项目中会用到在java在后台把数据填入Word文档的模板来提供前台下载,为了自己能随时查看当时的实现方案及方便他人学习我写了这篇博客,访问量已经是我写的博客里第一了.于是乎我在学会用Java在后 ...
- Java使用POI将doc文档转为Html
Java使用POI将doc文档转为Html 前提 几个使用到的类 几个方法的理解 converter.setPicturesManager(xxxx) converter.processDocumen ...
- 使用Java POI读取excel文档
Java使用POI读取excel文档教程 一:Poi的介绍 1.简介 1.由apache公司提供 2.Java编写的免费开源的跨平台的Java API 3.提供API给Java程序对Microsoft ...
- Java教程:使用POI读取excel文档(根据BV1bJ411G7Aw整理)
Java教程:使用POI读取excel文档(根据BV1bJ411G7Aw整理) 最近公司需要我做一个导出Excel表格的功能,为此来学习一下POI,在这里记录一下学习笔记.B站直接搜BV1bJ411G ...
- JAVA 利用poi EXCLE模板文档导出数据
JAVA 利用poi EXCLE模板文档导出数据 1.导入jar包 下载地址:添加链接描述 提取码:xqkg 2.EXCLE模板 3.代码示例 package utill;import java.io ...
- Java实战—POI操作Excel文档、读取、写入、合并单元格
一.POI项目简介 POI全称 Poor Obfuscation Implementation,利用POI接口可以通过JAVA操作Microsoft office 套件工具的读写功能.官网:http: ...
- poi操作PPT文档总结
POI操作PPT文档1 注意ppt模板不能使用${user}--这样的作为替换标识,在读取PPT模板时会解析成三段文本1.${ 2.user 3.},而一般在控件中使用%1$S这样的方式做为替换标识 ...
最新文章
- 混合云存储跨云灾备方案之跨云容灾
- Xamarin Android SDK无法更新的解决办法
- C# 泛型编程学习总结
- Lucky 7 in the Pocket
- 多线程threading初识,线程等待
- SQL Server 2012笔记分享-6:理解内存管理
- 数据库同样数据,本地和服务器查询效率相差百倍
- linux下tar包安装sudo命令,ubuntu12.04LTS安装gv-412-Linux-x86.tar.gz方法
- R语言学习 - 热图美化 (数值标准化和调整坐标轴顺序)
- 13 个开源备份解决方案
- linux拨号上网icp,如何用 Linux 拨号上网
- 三周第二次课(4月3日)
- imdisk 想说爱你不容易
- 中国移动开发者大会PPT集萃(一):核心技术与应用开发实践
- HbuilderX配置微信开发者工具
- 苹果文件管理器服务器,8最佳免费iPhone文件管理器,用于管理iOS设备上的文件...
- chrome浏览器升级导致无法手动设置cookie,设置无法保存
- 阿里云 vs Azure-大数据
- COLD:中文冒犯性语言检测数据集
- 群英服务器网站,群英网
热门文章
- 23 岁创业,28 岁成为福布斯亚洲青年领袖,这个“刷脸的男人”有点牛
- “华为搜索”正海外内测;苹果5亿美元和解“降速门”;Firefox隐藏HTTPS | 极客头条...
- Google 向 Android 开发者支付了 800 亿美元,却仍不及苹果!
- 5G手机江湖:一场卡位战,一位“关键先生”,一个“王者”
- TypeScript 让你不会想用回 JavaScript
- 机器智能芯片 10 大新秀!华为抢占一席,Google 占比最多!
- 滴滴缺席的这 11 个月,顺风车迷局如何破?
- MongoDB 快速入门实战教程最新版
- 从 0 到 1 | 手把手教你如何使用哈工大 NLP 工具 —— PyLTP!
- 如何快速提升 Go 程序性能?