Android如何读写word文件 - 使用Apache POI 组件读写doc和docx文件
零、前言
最近在项目中要生成Word的doc和docx文件，一番百度google之后，发现通过java语言实现的主流是Apache的POI组件。除了POI，这里还有另一种实现，不过我没有去研究，有兴趣的同学可以研究研究。
关于POI可以访问Apache POI的官网获取详细的信息。
进入主题！
由于项目中只是用到了doc和docx的组件，下面也只是介绍这两个组件的使用
一、在Android Studio中如何用POI组件
从POI官网上看，貌似暂并不支持IntelliJ IDE，如下图，所以这里我们采用直接下载jar包并导入项目的方式。
通过官网 ->Overview->Components，可以看到 d和docx文件分别对应着组件HWPF和XWPF，而HWPF和XWPF则对应着poi-scratchpad和poi-ooxml
| 文件类型 | 组件名 | MavenId |
|---|---|---|
| doc | HWPF | poi-scratchpad |
| docx | XWPF | poi-ooxml |
1.1 下载
进入Apache下载页面，选择最新版下载，如下。选择The latest beta release is Apache POI 3.16-beta2会跳转到poi-bin-3.16-beta2-20170202.tar.gz，然后点击poi-bin-3.16-beta2-20170202.tar.gz，选择镜像后即可成功下载。
linux系统选择.tar.gz
windows系统选择.zip
1.2 解压
将下载后的压缩包解压，会得到以下文件。
| 文件（夹）名 | 作用 |
|---|---|
| docs | 文档（包括API文档和如何使用及版本信息） |
| lib | doc功能实现依赖的包 |
| ooxml-lib | docx功能实现依赖的包 |
| LICENSE | |
| NOTICE | |
| poi-3.16-beta2.jar | The prerequisite poi-scratchpad-3.16-beta2.jar |
| poi-examples-3.16-beta2.jar | 不明确 |
| poi-excelant-3.16-beta2.jar | excel功能实现 |
| poi-ooxml-3.16-beta2.jar | docx功能实现 |
| poi-ooxml-schemas-3.16-beta2.jar | The prerequisite of poi-ooxml-3.16-beta2.jar |
| poi-scratchpad-3.16-beta2.jar | doc功能实现 |
1.3 导入
不熟悉怎么导入的同学可以看看Android Studio导入jar包教程
1.3.1 doc
对于doc文件，需要将lib文件夹下jar包，poi-3.16-beta2.jar，poi-scratchpad-3.16-beta2.jar放入android项目libs目录下（lib文件夹下的junit-4.12.jar和log4j-1.2.17.jar不放我的项目也没出现异常，能少点是点）。
1.3.2 docx
对于docx，需要导入lib文件夹下jar包，poi-3.16-beta2.jar，poi-ooxml-3.16-beta2.jar，poi-ooxml-schemas-3.16-beta2.jar和ooxml-lib下的包，由于一直我这一直出现Warning:Ingoring InnerClasses attribute for an anonymous inner class的错误，同时由于doc基本满足我的需求以及导入这么多jar导致apk体积增大，就没有去实现。
有兴趣的同学可以研究研究。
二、实现doc文件的读写
Apache POI中的HWPF模块是专门用来读取和生成doc格式的文件。在HWPF中，我们使用HWPFDocument来表示一个word doc文档。在看代码之前，有必要了解HWPFDocument中的几个概念：
| 名称 | 含义 |
|---|---|
| Range | 表示一个范围，这个范围可以是整个文档，也可以是里面的某个小节（Section），也可以是段落（Paragraph），还可以是拥有功能属性的一段文本（CharacterRun） |
| Section | word文档的一个小节，一个word文档可以由多个小节构成。 |
| Paragraph | word文档的一个段落，一个小节可以由多个段落构成。 |
| CharacterRun | 具有相同属性的一段文本，一个段落可以由多个CharacterRun组成。 |
| Table | 一个表格。 |
| TableRow | 表格对应的行 |
| TableCell | 表格对应的单元格 |
注意 ： Section、Paragraph、CharacterRun和Table都继承自Range。
读写前注意：Apache POI 提供的HWPFDocument类只能读写规范的.doc文件，也就是说假如你使用修改 后缀名 的方式生成doc文件或者直接以命名的方式创建，将会出现错误“Your file appears not to be a valid OLE2 document”
Invalid header signature; read 0x7267617266202E31, expected 0xE11AB1A1E011CFD0 - Your file appears not to be a valid OLE2 document
2.1 DOC读
读doc文件有两种方式
（a）通过WordExtractor读文件
（b）通过HWPFDocument读文件
在日常应用中，我们从word文件里面读取信息的情况非常少见，更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式：通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。
2.1.1 使用WordExtractor读
在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例：
//通过WordExtractor读文件
public class WordExtractorTest {
private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");
private static final String TAG = "WordExtractorTest";
private void log(Object o) {
Log.d(TAG, String.valueOf(o));
}
public void testReadByExtractor() throws Exception {
InputStream is = new FileInputStream(PATH);
WordExtractor extractor = new WordExtractor(is);
//输出word文档所有的文本
log(extractor.getText());
log(extractor.getTextFromPieces());
//输出页眉的内容
log("页眉：" + extractor.getHeaderText());
//输出页脚的内容
log("页脚：" + extractor.getFooterText());
//输出当前word文档的元数据信息，包括作者、文档的修改时间等。
log(extractor.getMetadataTextExtractor().getText());
//获取各个段落的文本
String paraTexts[] = extractor.getParagraphText();
for (int i=0; i<paraTexts.length; i++) {
log("Paragraph " + (i+1) + " : " + paraTexts[i]);
}
//输出当前word的一些信息
printInfo(extractor.getSummaryInformation());
//输出当前word的一些信息
this.printInfo(extractor.getDocSummaryInformation());
this.closeStream(is);
}
/**
* 输出SummaryInfomation
* @param info
*/
private void printInfo(SummaryInformation info) {
//作者
log(info.getAuthor());
//字符统计
log(info.getCharCount());
//页数
log(info.getPageCount());
//标题
log(info.getTitle());
//主题
log(info.getSubject());
}
/**
* 输出DocumentSummaryInfomation
* @param info
*/
private void printInfo(DocumentSummaryInformation info) {
//分类
log(info.getCategory());
//公司
log(info.getCompany());
}
/**
* 关闭输入流
* @param is
*/
private void closeStream(InputStream is) {
if (is != null) {
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
2.1.2 使用HWPFDocument读
HWPFDocument是当前Word文档的代表，它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等，还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的，也就是说我们改变的是HWPFDocument，而不是磁盘上的文件。如果要使这些修改生效的话，我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流，也可以是新文件的输出流（相当于另存为）或其它输出流。下面是一个通过HWPFDocument读文件的示例：
//使用HWPFDocument读文件
public class HWPFDocumentTest {
private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");
private static final String TAG = "HWPFDocumentTest";
private void log(Object o) {
Log.d(TAG, String.valueOf(o));
}
public void testReadByDoc() throws Exception {
InputStream is = new FileInputStream(PATH);
HWPFDocument doc = new HWPFDocument(is);
//输出书签信息
this.printInfo(doc.getBookmarks());
//输出文本
log(doc.getDocumentText());
Range range = doc.getRange();
//读整体
this.printInfo(range);
//读表格
this.readTable(range);
//读列表
this.readList(range);
this.closeStream(is);
}
/**
* 关闭输入流
* @param is
*/
private void closeStream(InputStream is) {
if (is != null) {
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
/**
* 输出书签信息
* @param bookmarks
*/
private void printInfo(Bookmarks bookmarks) {
int count = bookmarks.getBookmarksCount();
log("书签数量：" + count);
Bookmark bookmark;
for (int i=0; i<count; i++) {
bookmark = bookmarks.getBookmark(i);
log("书签" + (i+1) + "的名称是：" + bookmark.getName());
log("开始位置：" + bookmark.getStart());
log("结束位置：" + bookmark.getEnd());
}
}
/**
* 读表格
* 每一个回车符代表一个段落，所以对于表格而言，每一个单元格至少包含一个段落，每行结束都是一个段落。
* @param range
*/
private void readTable(Range range) {
//遍历range范围内的table。
TableIterator tableIter = new TableIterator(range);
Table table;
TableRow row;
TableCell cell;
while (tableIter.hasNext()) {
table = tableIter.next();
int rowNum = table.numRows();
for (int j=0; j<rowNum; j++) {
row = table.getRow(j);
int cellNum = row.numCells();
for (int k=0; k<cellNum; k++) {
cell = row.getCell(k);
//输出单元格的文本
log(cell.text().trim());
}
}
}
}
/**
* 读列表
* @param range
*/
private void readList(Range range) {
int num = range.numParagraphs();
Paragraph para;
for (int i=0; i<num; i++) {
para = range.getParagraph(i);
if (para.isInList()) {
log("list: " + para.text());
}
}
}
/**
* 输出Range
* @param range
*/
private void printInfo(Range range) {
//获取段落数
int paraNum = range.numParagraphs();
log(paraNum);
for (int i=0; i<paraNum; i++) {
log("段落" + (i+1) + "：" + range.getParagraph(i).text());
if (i == (paraNum-1)) {
this.insertInfo(range.getParagraph(i));
}
}
int secNum = range.numSections();
log(secNum);
Section section;
for (int i=0; i<secNum; i++) {
section = range.getSection(i);
log(section.getMarginLeft());
log(section.getMarginRight());
log(section.getMarginTop());
log(section.getMarginBottom());
log(section.getPageHeight());
log(section.text());
}
}
/**
* 插入内容到Range，这里只会写到内存中
* @param range
*/
private void insertInfo(Range range) {
range.insertAfter("Hello");
}
}
2.2 DOC写
2.2.1 使用HWPFDocument写文件
在使用POI写word doc文件的时候我们必须要先有一个doc文件才行，因为我们在写doc文件的时候是通过HWPFDocument来写的，而HWPFDocument是要依附于一个doc文件的。所以通常的做法是我们先在硬盘上准备好一个内容空白的doc文件，然后建立一个基于该空白文件的HWPFDocument。之后我们就可以往HWPFDocument里面新增内容了，然后再把它写入到另外一个doc文件中，这样就相当于我们使用POI生成了word doc文件。
//写字符串进word
InputStream is = new FileInputStream(PATH);
HWPFDocument doc = new HWPFDocument(is);
//获取Range
Range range = doc.getRange();
for(int i = 0; i < 100; i++) {
if( i % 2 == 0 ) {
range.insertAfter("Hello " + i + "\n");//在文件末尾插入String
} else {
range.insertBefore(" Bye " + i + "\n");//在文件头插入String
}
}
//写到原文件中
OutputStream os = new FileOutputStream(PATH);
//写到另一个文件中
//OutputStream os = new FileOutputStream(其他路径);
doc.write(os);
this.closeStream(is);
this.closeStream(os);
但是，在实际应用中，我们在生成word文件的时候都是生成某一类文件，该类文件的格式是固定的，只是某些字段不一样罢了。所以在实际应用中，我们大可不必将整个word文件的内容都通过HWPFDocument生成。而是先在磁盘上新建一个word文档，其内容就是我们需要生成的word文件的内容，然后把里面一些属于变量的内容使用类似于“${paramName}”这样的方式代替。这样我们在基于某些信息生成word文件的时候，只需要获取基于该word文件的HWPFDocument，然后调用Range的replaceText()方法把对应的变量替换为对应的值即可，之后再把当前的HWPFDocument写入到新的输出流中。这种方式在实际应用中用的比较多，因为它不但可以减少我们的工作量，还可以让文本的格式更加的清晰。下面我们就来基于这种方式做一个示例。
假设我们有个模板是这样的：
之后我们以该文件作为模板，利用相关数据把里面的变量进行替换，然后把替换后的文档输出到另一个doc文件中。具体做法如下：
public class HWPFTemplateTest {
/**
* 用一个doc文档作为模板，然后替换其中的内容，再写入目标文档中。
* @throws Exception
*/
@Test
public void testTemplateWrite() throws Exception {
String templatePath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "template.doc");
String targetPath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "target.doc";
InputStream is = new FileInputStream(templatePath);
HWPFDocument doc = new HWPFDocument(is);
Range range = doc.getRange();
//把range范围内的${reportDate}替换为当前的日期
range.replaceText("${reportDate}", new SimpleDateFormat("yyyy-MM-dd").format(new Date()));
range.replaceText("${appleAmt}", "100.00");
range.replaceText("${bananaAmt}", "200.00");
range.replaceText("${totalAmt}", "300.00");
OutputStream os = new FileOutputStream(targetPath);
//把doc输出到输出流中
doc.write(os);
this.closeStream(os);
this.closeStream(is);
}
/**
* 关闭输入流
* @param is
*/
private void closeStream(InputStream is) {
if (is != null) {
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
/**
* 关闭输出流
* @param os
*/
private void closeStream(OutputStream os) {
if (os != null) {
try {
os.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
三、实现docx文件的读写
POI在读写word docx文件时是通过xwpf模块来进行的，其核心是XWPFDocument。一个XWPFDocument代表一个docx文档，其可以用来读docx文档，也可以用来写docx文档。XWPFDocument中主要包含下面这几种对象：
| 对象 | 含义 |
|---|---|
| XWPFParagraph | 代表一个段落 |
| XWPFRun | 代表具有相同属性的一段文本 |
| XWPFTable | 代表一个表格 |
| XWPFTableRow | 表格的一行 |
| XWPFTableCell | 表格对应的一个单元格 |
同时XWPFDocument可以直接new一个docx文件出来而不需要像HWPFDocument一样需要一个模板存在。
具体可以参考这位同学写的POI读写docx文件。
四、总结
本问提供了在Android端下，通过 Apache POI 组件实现 doc、docx 文件的思路。欢迎大家提出建议和纠正本文可能存在的错误之处，感谢支持。
