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
林开落L17 分钟前
库制作与原理(下)
linux·开发语言·centos·库制作与原理
AAA修煤气灶刘哥19 分钟前
Java+AI 驱动的体检报告智能解析:从 PDF 提取到数据落地全指南
java·人工智能·后端
wxy31929 分钟前
嵌入式LINUX——————TCP并发服务器
java·linux·网络
fengfuyao9851 小时前
基于MATLAB的GUI实现人脸检测、眼睛检测以及LBP直方图显示
开发语言·计算机视觉·matlab
★YUI★1 小时前
学习游戏制作记录(玩家掉落系统,删除物品功能和独特物品)8.17
java·学习·游戏·unity·c#
微小的xx1 小时前
java + html 图片点击文字验证码
java·python·html
CHANG_THE_WORLD1 小时前
# C++ 中的 `string_view` 和 `span`:现代安全视图指南
开发语言·c++
mask哥1 小时前
详解flink java基础(一)
java·大数据·微服务·flink·实时计算·领域驱动
克拉克盖博1 小时前
chapter03_Bean的实例化与策略模式
java·spring·策略模式
Franklin1 小时前
Python界面设计【QT-creator基础编程 - 01】如何让不同分辨率图像自动匹配graphicsView的窗口大小
开发语言·python·qt