java按顺序读取docx文件中的内容(包括图片)

使用ApachePOI读取docx文件,首先引入maven:

xml 复制代码
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi</artifactId>
            <version>5.0.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml</artifactId>
            <version>5.0.0</version>
        </dependency>

可以对元素进行遍历,获取内容(段落和表格)

如下:

java 复制代码
        try {
            FileInputStream fis = new FileInputStream("xxxx.docx");
            XWPFDocument document = new XWPFDocument(fis);

            // 遍历文档中的所有元素(段落和表格)
            List<IBodyElement> bodyElements = document.getBodyElements();
            for (IBodyElement bodyElement : bodyElements) {
                if (bodyElement instanceof XWPFParagraph) {
                    XWPFParagraph paragraph = (XWPFParagraph) bodyElement;
                    System.out.println(paragraph.getStyleID() + ":" + paragraph.getText());
                } else if (bodyElement instanceof XWPFTable) {
                    System.out.println(((XWPFTable) bodyElement).getText());
                } else if (bodyElement instanceof XWPFPicture) {
                    System.out.println(Arrays.toString(((XWPFPicture) bodyElement).getPictureData().getData()));
                }
            }

            fis.close();
        } catch (IOException e) {
            e.printStackTrace();
        }

发现此遍历方式不能读取到图片,只能通过getAllPictures方法得到所有图片,但失去了段落和图片之间的顺序。经过探索,改正遍历方式:

java 复制代码
            for (IBodyElement element : bodyElements) {
                if (element instanceof XWPFParagraph) {
                    XWPFParagraph paragraph = (XWPFParagraph) element;
                    String text = paragraph.getText();
                    if (text != null && !text.isEmpty()) {
                      //处理段落或正文
                    } else {
                        // 顺序遍历图片
                        paragraph.getIRuns().forEach(run -> {
                            if (run instanceof XWPFRun) {
                                XWPFRun xWPFRun = (XWPFRun) run;
                                for (XWPFPicture picture : xWPFRun.getEmbeddedPictures()) {
                                    XWPFPictureData pictureData = picture.getPictureData();
                                    String base64Image = "<img src='data:image/png;base64," + Base64.getEncoder().encodeToString((pictureData.getData())) + "'/>";       
                                }
                            }
                        });
                    }
                } else if (element instanceof XWPFTable) {
                //处理表格
                    XWPFTable table = (XWPFTable) element;
                    String text = table.getText();
                }
            }

这样遍历就可以按顺序读取docx文件的内容了。

参考:stackoverflow

相关推荐
夏季疯7 分钟前
学习笔记:黑马程序员JavaWeb开发教程(2025.4.7)
java·笔记·学习
kp0000011 分钟前
PHP弱类型安全漏洞解析与防范指南
android·开发语言·安全·web安全·php·漏洞
卡戎-caryon31 分钟前
【C++】15.并发支持库
java·linux·开发语言·c++·多线程
90后小陈老师36 分钟前
WebXR教学 09 项目7 使用python从0搭建一个简易个人博客
开发语言·python·web
tyatyatya40 分钟前
MATLAB 神经网络的系统案例介绍
开发语言·神经网络·matlab
hweiyu001 小时前
C#学习教程(附电子书资料)
开发语言·学习·c#
q567315231 小时前
图片爬虫通过模板及使用说明
开发语言·爬虫·tcp/ip·golang
正在走向自律1 小时前
Conda 完全指南:从环境管理到工具集成
开发语言·python·conda·numpy·fastapi·pip·开发工具
啊吧怪不啊吧1 小时前
C/C++之内存管理
开发语言·汇编·c++
北极象1 小时前
Go语言处理HTTP下载中EOFFailed
开发语言·http·golang