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
开源技术1 分钟前
Python GeoPandas基础知识:地图、投影和空间连接
开发语言·ide·python
vx1_Biye_Design3 分钟前
基于Spring Boot+Vue的学生管理系统设计与实现-计算机毕业设计源码46223
java·vue.js·spring boot·spring·eclipse·tomcat·maven
vx_Biye_Design4 分钟前
基于Spring Boot+vue的湖北旅游景点门票预约平台的设计--毕设附源码29593
java·vue.js·spring boot·spring cloud·servlet·eclipse·课程设计
Cult Of5 分钟前
Alicea Wind的个人网站开发日志(2)
开发语言·python·vue
我找到地球的支点啦10 分钟前
通信扩展——扩频技术(超级详细,附带Matlab代码)
开发语言·matlab
hay_lee23 分钟前
Spring AI实现对话聊天-流式输出
java·人工智能·ollama·spring ai
Hx_Ma1629 分钟前
SpringBoot数据源自动管理
java·spring boot·spring
微小冷29 分钟前
Rust异步编程详解
开发语言·rust·async·await·异步编程·tokio
SunnyDays101130 分钟前
Java 高效实现 CSV 转 Excel
java·csv转excel
starfire_hit31 分钟前
JAVAWEB根据前台请求获取用户IP
java·服务器·网络