HWPFDocument读取doc,wps文档（含图片读取）

导包

代码：

1、图片工具类

 1 package com.poi.test;2 3 import java.util.ArrayList;4 import java.util.HashMap;5 import java.util.HashSet;6 import java.util.List;7 import java.util.Map;8 import java.util.Set;9
10 import org.apache.poi.hwpf.HWPFDocument;
11 import org.apache.poi.hwpf.model.PicturesTable;
12 import org.apache.poi.hwpf.usermodel.CharacterRun;
13 import org.apache.poi.hwpf.usermodel.Picture;
14 import org.apache.poi.hwpf.usermodel.Range;
15
16 /**
17  * Provides access to the pictures both by offset, iteration over the
18  * un-claimed, and peeking forward
19  */
20 public class PicturesSource {//这个类是poi官网找的
21     private PicturesTable picturesTable;
22     private Set<Picture> output = new HashSet<Picture>();
23     private Map<Integer, Picture> lookup;
24     private List<Picture> nonU1based;
25     private List<Picture> all;
26     private int pn = 0;
27
28     public PicturesSource(HWPFDocument doc) {
29         picturesTable = doc.getPicturesTable();
30         all = picturesTable.getAllPictures();
31
32         // Build the Offset-Picture lookup map
33         lookup = new HashMap<Integer, Picture>();
34         for (Picture p : all) {
35             lookup.put(p.getStartOffset(), p);
36         }
37
38         // Work out which Pictures aren't referenced by
39         //  a \u0001 in the main text
40         // These are \u0008 escher floating ones, ones
41         //  found outside the normal text, and who
42         //  knows what else...
43         nonU1based = new ArrayList<Picture>();
44         nonU1based.addAll(all);
45         Range r = doc.getRange();
46         for (int i = 0; i < r.numCharacterRuns(); i++) {
47             CharacterRun cr = r.getCharacterRun(i);
48             if (picturesTable.hasPicture(cr)) {
49                 Picture p = getFor(cr);
50                 int at = nonU1based.indexOf(p);
51                 nonU1based.set(at, null);
52             }
53         }
54     }
55
56     private boolean hasPicture(CharacterRun cr) {
57         return picturesTable.hasPicture(cr);
58     }
59
60     private void recordOutput(Picture picture) {
61         output.add(picture);
62     }
63
64     private boolean hasOutput(Picture picture) {
65         return output.contains(picture);
66     }
67
68     private int pictureNumber(Picture picture) {
69         return all.indexOf(picture) + 1;
70     }
71
72     public Picture getFor(CharacterRun cr) {
73         return lookup.get(cr.getPicOffset());
74     }
75
76     /**
77      * Return the next unclaimed one, used towards the end
78      */
79     private Picture nextUnclaimed() {
80         Picture p = null;
81         while (pn < nonU1based.size()) {
82             p = nonU1based.get(pn);
83             pn++;
84             if (p != null)
85                 return p;
86         }
87         return null;
88     }
89 }

2、处理图片和段落文字

 1 package com.poi.test;2 3 import java.io.ByteArrayOutputStream;4 import java.io.File;5 import java.io.FileInputStream;6 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;
13
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();
24
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
30
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     }
46
47 }

3、处理表格

 1 /**2      * 使用HWPFDocument解析word文档3      * wps按doc处理即可4      */5     @Test6     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();
12
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);
15
16                     int numRows = table.numRows();//获取行数
17
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();

HWPFDocument读取doc,wps文档（含图片读取）相关推荐

Java web/springboot上传word/doc/docx文档(含图片)与HTML富文本导入/导出互相转换解析！附项目源码
测试效果先看下效果文档内容如下: 上传上传docx文档查看解析内容 <html><head><style>p{margin-top:0pt;margin-b ...
wps文档插入图片图片不完全显示问题以及如何关闭自启动
wps文档插入图片图片不完全显示问题解决图片不完全显示:单击图片旁边的布局选项,将布局选择为嵌入型,再ctrl+1即可 wps关闭自启动有时wps会自启动占用系统内存造成电脑卡顿,像这种流氓软件就 ...
wps图片与图片间距怎么调整_怎么样在WPS文档中将图片的中间间距拉？
2011-05-31 如何删除没有回车符的空行?如何删选中WORD整个文档,进行"格式/段落/缩进和间距/间距/段前/0行/段后/0行/确定"操作,即可将段前和段后没有回车符的空 ...
使用python-docx读取doc,docx文档
API: http://python-docx.readthedocs.io/en/latest/#api-documentation 将doc转为docx: from win32com imp ...
wps文档复制粘贴序号_WPS居然也搞人工智能？学会这几个AI功能之后我的工作效率提高了一半！...
悄咪咪地问一句,有没有同学在用WPS办公时做过这种事情: ●把图片里的英文手动输入到翻译软件,翻译完再将内容复制到WPS文档●把图片里的文字全部手动输入进WPS文档,累得半死●想抠图只能用P图软件抠好 ...
java 使用Spire.Doc实现Word文档插入图片
目录使用步骤 1.引入依赖 2.关键代码 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 ...
WPS文档怎样转换为图片
文件转换操作不论是在日常生活中还是工作学习当中都会遇见.因此文件转换已经成为了基础操作,是大家都应该学习掌握的操作.为此今天小编将教给大家其中的一个转换技巧,那就是WPS转图片. 使用工具:迅捷PDF ...
java doc转图片_使用Java实现word文档转图片在线预览
[Java] 纯文本查看复制代码/** * licence 验证 * @return * @throws Exception */ public static boolean getLicense( ...
Java使用Spire.Doc实现Word文档添加图片水印
通过本文你将学到: Spire.Doc是什么? 如何在项目中引入Spire.Doc依赖? 项目中基于Spire.Doc封装工具类实现Word文档添加图片水印? 一.Spire.Doc是什么? 1.Sp ...

HWPFDocument读取doc,wps文档（含图片读取）

HWPFDocument读取doc,wps文档（含图片读取）相关推荐

最新文章

热门文章