隨筆記錄①—利用poi讀取Word中的標題和內容

使用時間：4小時

使用poi方法將word中的內容提取出來，並輸出到控制台或者存儲到數據庫
poi.jar下載地址:https://www.apache.org/dyn/closer.lua/poi/release/bin/poi-bin-3.17-20170915.tar.gz
需要導入的包

根據標題和內容字體大小的不同，尋找所需要的段落和標題，並判斷是標題還是內容。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;

public class poi_word {

    public static void main(String[] args) throws IOException {
            InputStream is = new FileInputStream(new File("path")); //讀取文件
            POIFSFileSystem fs = new POIFSFileSystem(is);
            @SuppressWarnings("resource")
            HWPFDocument document = new HWPFDocument(fs);
            Range range = document.getRange();   //存儲word內容到document中

            for (int i = 0; i < range.numParagraphs()-2; i++) {  //numparagraphs代表段落總數
              int setparagraph=i;              //記錄當前段落
              Paragraph para_1 = range.getParagraph(i);// 獲取第i段
              Paragraph para_2 = range.getParagraph(i+1);// 獲取第i+1段   
              Paragraph para_3 = range.getParagraph(i+2);// 獲取第i+2段 
            
             String paratext1 = para_1.text().trim().replaceAll("\r\n", "");   //當前段落的內容並去除換行
             String paratext2 = para_2.text().trim().replaceAll("\r\n", "");  //當前段落的內容並去除換行
             CharacterRun run1=para_1.getCharacterRun(0);
             CharacterRun run2=para_2.getCharacterRun(0);   
             CharacterRun run3=para_3.getCharacterRun(0);  //段落屬性
             if (paratext1.length() > 0&&paratext2.length() > 0) {
                 
                     if(run1.getFontSize()>run2.getFontSize()&&run2.getFontSize()>run3.getFontSize())  continue;  // 當連續三個及以上的字體大小不同的段落存在時則跳過當前循環，直到兩個段落存在（找到小標題和內容）           
                     String content="";
                         if(run1.getFontSize()>=run2.getFontSize()) { //當兩段內容字體大小為大於時 則為標題和內容  相等時則同為內容
                             content +=paratext2;    //第i+1段為內容
                             run1=run2;
                             run2=run3;    //順序重新定位段落
                             setparagraph++;
                         }
                             System.out.println(paratext1+"\t"+content);
                             i=setparagraph;
             }
            }          
    }
}

 

 

參考來源:https://www.cnblogs.com/wys-373/p/10568322.html