Java解析word文档

相信大家在工作学习中遇到一些奇奇怪怪的任务，比如什么解析word文档并存入数据库，也就是直接读取word录入数据。

开发环境

• JDK8
• Springboot2.3
• Mybatis-plus
• Maven

运用工具

经百度发现，可以操作word的工具包有很多，各有利弊。这里主要讲用到的是Apache提供的POI，提供了一系列的APi对Microsoft Office格式档案读和写的功能。话不多说直接开始。

1.导入依赖

     org.apache.poi
     poi-scratchpad
     4.1.2

2.主要方法介绍

getParagraphs()

 该方法返回所有段落的List，List其中的对象是段落paragraph对象

getParagraphText()

该方法返回段落对象paragraph对象的文本内容，也就是paragraph.getParagraphText()

思路整理：

1.通过file对象生成对应的XWPFDocument对象或者是WordExtractor对象。

XWPFDocument对应的是2007及以后版本的word，也就是以.docx结尾的word文档

WordExtractor对应的是2003版本的word，也就是以.doc结尾的word文档

2.获取所有段落对象的List，然后遍历拿到每个段落的文本内容

注意：以上内容只可获取段落中的文本内容，不包括图片或者其他的东西！！！

3.直接上工具类，一看就懂了

     /**
     * 获取正文文件内容，docx方法
     *
     * @param file
     * @return
     */
    public static Map getContentDocx(File file) {
        Map map = new HashMap();
        StringBuffer content = new StringBuffer("");
        String result = "0";  // 0表示获取正常，1表示获取异常
        InputStream is = null;
        Logger logger = null;
        try {
            //根据需求入参也可以改为文件路径，对应的输入流部分改为new File(路径)即可
            is = new FileInputStream(file);
            // 2007版本的word
            XWPFDocument xwpf = new XWPFDocument(is);    // 2007版本，仅支持docx文件处理
            List paragraphs = xwpf.getParagraphs();
            if (paragraphs != null && paragraphs.size() > 0) {
                for (XWPFParagraph paragraph : paragraphs) {
                    if (!paragraph.getParagraphText().startsWith("    ")) {
                        content.append(paragraph.getParagraphText().trim()).append("\r\n");
                    } else {
                        content.append(paragraph.getParagraphText());
                    }
                }
            }
        } catch (Exception e) {
            logger.error("docx解析正文异常:" + e);
            result = "1"; // 出现异常
        } finally {
            if (is != null) {
                try {
                    is.close();
                } catch (IOException e) {
                    logger.error("" + e);
                }
            }
            map.put("result", result);
            map.put("content", String.valueOf(content));
        }
        return map;
    }

    /**
     * 获取正文文件内容，doc方法
     *
     * @param path
     * @return
     */
    public static Map getContentDoc(String path) {
        Map map = new HashMap();
        StringBuffer content = new StringBuffer("");
        String result = "0";  // 0表示获取正常，1表示获取异常
        InputStream is = null;
        Logger logger = null;
        try {
            is = new FileInputStream(new File(path));
            // 2003版本的word
            WordExtractor extractor = new WordExtractor(is);  // 2003版本 仅doc格式文件可处理，docx文件不可处理
            String[] paragraphText = extractor.getParagraphText();   // 获取段落，段落缩进无法获取，可以在前添加空格填充
            if (paragraphText != null && paragraphText.length > 0) {
                for (String paragraph : paragraphText) {
                    if (!paragraph.startsWith("    ")) {
                        content.append(paragraph.trim()).append("\r\n");
                    } else {
                        content.append(paragraph);
                    }
                }
            }
        } catch (Exception e) {
            logger.error("doc解析正文异常:" + e);
            result = "1"; // 出现异常
        } finally {
            if (is != null) {
                try {
                    is.close();
                } catch (IOException e) {
                    logger.error("" + e);
                }
            }
            map.put("result", result);
            map.put("content", content.toString());
        }
        return map;
    }

    /**
     * 获取正文文件内容，wps方法
     *
     * @param path
     * @return
     */
    public static Map getContentWps(String path) {
        Map map = new HashMap();
        StringBuffer content = new StringBuffer("");
        String result = "0";  // 0表示获取正常，1表示获取异常
        InputStream is = null;
        Logger logger = null;
        try {
            is = new FileInputStream(new File(path));
            // wps版本word
            HWPFDocument hwpf = new HWPFDocument(is);
            WordExtractor wordExtractor = new WordExtractor(hwpf);
            // 文档文本内容
            String[] paragraphText1 = wordExtractor.getParagraphText();
            if (paragraphText1 != null && paragraphText1.length > 0) {
                for (String paragraph : paragraphText1) {
                    if (!paragraph.startsWith("    ")) {
                        content.append(paragraph.trim()).append("\r\n");
                    } else {
                        content.append(paragraph);
                    }
                }
            }
        } catch (Exception e) {
            logger.error("wps解析正文异常:" + e);
            result = "1"; // 出现异常
        } finally {
            if (is != null) {
                try {
                    is.close();
                } catch (IOException e) {
                    logger.error("" + e);
                }
            }
            map.put("result", result);
            map.put("content", content.toString());
        }
        return map;
    }