Java poi操作word及部分源码解析(笔记)

Java poi操作word

  前两天做项目写到了一点点关于Java POI操作word的相关内容，今天做一个小总结，poi功能很强大。

Java读取doc文档

  doc文档是office 97-03版本的word文档，07年之后是docx格式，旧版本poi支持二进制文件格式，比如doc、xls、ppt等类型文件，自从poi3.5起，POI支持新版本的OOXML文件格式，比如docx、xlsx、pptx等文件。所以笔者使用的是旧版本poi，3.17版本。
  先来看看读取并打印doc文档内容的代码，很简单。

public void readAndPrintDoc() throws IOException  {
		WordExtractor wordExtractor = new WordExtractor(new FileInputStream(new File("doc文件地址")));
        String text = wordExtractor.getText();
        System.out.println(text);
}

  很简单是吧，这里笔者采用的WordExtractor类来操作文档，还有另一种方法，一会儿再谈，先让我们来深入了解一下WordExtractor类。

  上图是WordExtractor的主要方法，我也懒得打字，就在idea中截图，将就看吧。
  前四个是方法是构造方法，可以看到有不同的参数，实质上都是给最下面的HWPFDocument类型参数doc进行赋值，之前提到的另一种操作doc文档的方法也是通过HWPFDocument类进行操作的，那是后话，现在属性doc已经通过构造方法赋完值了，我挑几个方法贴出来看看吧。
  main()方法忽略，其实就是通过传进去的数组进行查找word文档，然后把文档中的内容全部输出。代码就不放上来了，很简单，调用如下。

String[] strings = {文档地址};//这是一个数组，源码里通过这个数组的第一位定义到文件地址，所以只填一个就行
WordExtractor.main(strings);

  getParagraphText()方法，获取所有的段落文本内容，返回一个字符串数组。

    public String[] getParagraphText() {
        String[] ret;

        // Extract using the model code
        try {
            Range r = doc.getRange();

            ret = getParagraphText( r );
        } catch ( Exception e ) {
            // Something's up with turning the text pieces into paragraphs
            // Fall back to ripping out the text pieces
            ret = new String[1];
            ret[0] = getTextFromPieces();
        }

        return ret;
    }

    protected static String[] getParagraphText( Range r ) {
        String[] ret;
        ret = new String[r.numParagraphs()];
        for ( int i = 0; i < ret.length; i++ ) {
            Paragraph p = r.getParagraph( i );
            ret[i] = p.text();

            // Fix the line ending
            if ( ret[i].endsWith( "\r" )) {
                ret[i] = ret[i] + "\n";
            }
        }
        return ret;
    }

  之前提到的另一个方法和这里有些关系，原理是一样的，都是通过HWPFDocument类来获取到Range类对象，它是HWPFDocument的核心，通过它来获取到所有的段落文本字符串，接下来就任我们操作了。
  WordExtractor类进行操作获取段落

		WordExtractor wordExtractor = new WordExtractor(new FileInputStream(new File("doc文件地址")));
		String[] paragraphText = wordExtractor.getParagraphText();
        System.out.println("文章标题：" + paragraphText[0]);
        System.out.println("文章段落数：" + paragraphText.length);
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < paragraphText.length; i++) {
            sb.append(paragraphText[i]);
        }
        System.out.println(sb);
		wordExtractor.close();

  HWPFDocument操作

		HWPFDocument document = new HWPFDocument(new FileInputStream(new File("src\\main\\resources\\templates\\sldkfj.doc")));
        Range range = document.getRange();
        System.out.println("文章段落数：" + range.numParagraphs());
        System.out.println("文章标题：" + range.getParagraph(0).text());
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < range.numParagraphs(); i++) {
            sb.append(range.getParagraph(i));
        }
		System.out.println(sb);

  getText方法比较墨迹，就记住它是获取全文方法就行。HWPFDocument方法就比较复杂了，功能也更为强大，实际上WordExtractor就是对它进行了一个简单的封装，使用户获取文档内容更简单方便。
  使用HWPFDocument进行一些简单操作。

		HWPFDocument document = new HWPFDocument(new FileInputStream(new File(文件地址)));
        Range range = document.getRange();
        //书签操作
        Bookmarks bookmarks = document.getBookmarks();
        System.out.println("书签数量：" + bookmarks.getBookmarksCount());
        for (int i = 0; i < bookmarks.getBookmarksCount(); i++) {
            Bookmark bookmark = bookmarks.getBookmark(i);
            System.out.println("书签" + i + "名：" + bookmark.getName());
            System.out.println("开始位置：" + bookmark.getStart());
            System.out.println("结束位置：" + bookmark.getEnd());
        }
        //表格操作
        TableIterator tableIterator = new TableIterator(range);
        Table table;
        TableRow tableRow;
        TableCell tableCell;
        while (tableIterator.hasNext()) {
            table = tableIterator.next();
            int rowNum = table.numRows();
            for (int j = 0; j < rowNum; j++) {
                tableRow = table.getRow(j);
                int cellNum = tableRow.numCells();
                for (int k = 0; k < cellNum; k++) {
                    tableCell = tableRow.getCell(k);
                    //输出单元格的文本
                    System.out.println(tableCell.text().trim());
                }
            }
        }

  做一个小例子吧，写一个小表格

		File file = new File(文件路径);
        HWPFDocument doc = new HWPFDocument(new FileInputStream(file));
        Range range = doc.getRange();
        range.replaceText("生成", "个人信息");
        SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd");
        range.replaceText("shijian",simpleDateFormat.format(new Date()));
        range.replaceText("Name", "nb爽");
        range.replaceText("Age", "123");
        range.replaceText("Gender","爷们");
        doc.write(file);
        doc.close();

  我想去找更多的doc的写入方法，遗憾的是，发现POI对于写入还是比较初级，不能写更复杂的word文档，不过也有一种方式去生成复杂的word文档，是将word另存为xml，然后翻译成FreeMarker模板，通过FreeMarker进行生成Doc文档，还可以通过Jacob去实现，但我还没研究，等研究后再令起一篇博客。

Java操作Docx

  Docx文件的简单操作如下

		//打印内容及一些信息
        XWPFDocument docx = new XWPFDocument(new FileInputStream("src\\main\\resources\\templates\\sldkfj.docx"));
        XWPFWordExtractor extractor = new XWPFWordExtractor(docx);
        System.out.println(extractor.getText());
        POIXMLProperties.CoreProperties coreProperties = extractor.getCoreProperties();
        System.out.println("分类：" + coreProperties.getCategory());
        System.out.println("创建者：" + coreProperties.getCreator());
        System.out.println("创建时间：" + coreProperties.getCreated());
        System.out.println("标题：" + coreProperties.getTitle());
		docx.close();

  上面是通过XWPFWordExtractor进行操作，下面通过XWPFDocument进行简单操作。打印段落，表格内容，页眉页脚。

		XWPFDocument docx = new XWPFDocument(new FileInputStream(文件地址));
        //段落打印
        List paragraphs = docx.getParagraphs();
        for (XWPFParagraph paragraph : paragraphs) {
            System.out.println(paragraph.getText());
        }
        //获取表格
        List tables = docx.getTables();
        List rows;
        List cells;
        for (XWPFTable table : tables) {
            rows = table.getRows();
            for (XWPFTableRow row : rows) {
                cells = row.getTableCells();
                for (XWPFTableCell cell : cells) {
                    System.out.println(cell.getText());
                }
            }
        }
        //页脚
        List footerList = docx.getFooterList();
        for (XWPFFooter xwpfFooter : footerList) {
            System.out.println(xwpfFooter.getText());
        }

        //页眉
        List headerList = docx.getHeaderList();
        for (XWPFHeader xwpfHeader : headerList) {
            System.out.println(xwpfHeader.getText());
        }
        docx.close();

  写操作比doc文件能好一些，不需要先创建完doc文档再替换值，直接new一个XWPFDocument就行。

        XWPFDocument document = new XWPFDocument();
        XWPFParagraph paragraph = document.createParagraph();
        // 具有相同属性的一个区域
        XWPFRun run = paragraph.createRun();
        //设置粗体
        run.setBold(true);
        //设置内容
        run.setText("hahahahaha");
        run = paragraph.createRun();
        //设置红色
        run.setColor("FF0000");
        run.setText("red color");
        //写一个表格 3*3
        XWPFTable table = document.createTable(3, 3);
        //新增一行
        table.createRow();
        List rows = table.getRows();
        //表格属性
        CTTblPr ctTblPr = table.getCTTbl().addNewTblPr();
        //表格宽度
        CTTblWidth ctTblWidth = ctTblPr.addNewTblW();
        ctTblWidth.setW(BigInteger.valueOf(10000));
        List cells;
        XWPFTableCell cell;
        int i = 0;
        for (XWPFTableRow row : rows) {
            //添加一单元格
            row.addNewTableCell();
            //行高
            row.setHeight(500);
            cells = row.getTableCells();
            for (XWPFTableCell tableCell : cells) {
                tableCell.setColor("FF0000");
                //单元格属性
                CTTcPr ctTcPr = tableCell.getCTTc().addNewTcPr();
                ctTcPr.addNewVAlign().setVal(STVerticalJc.CENTER);
                CTTblWidth ctTblWidth1 = ctTcPr.addNewTcW();
                ctTblWidth1.setW(BigInteger.valueOf(1000));
                tableCell.setText("第" + ++i);
            }
        }
        FileOutputStream fileOutputStream = new FileOutputStream("D:\\writeDocx.docx");
        document.write(fileOutputStream);
        document.close();
        fileOutputStream.close();

  和doc类似的小例子


  额，两次截图里的拼音就忽略了吧，其实更好的写法是使用${}这样做占位符，更清晰明了，但我这只图个方便就没用使用。

总结

  洋洋洒洒也写了不少字，这里有更好的写法，但我没用，还是需要有很多改进的地方，待后续更新吧，就这样吧。