Java解析word中的表格或者文本

接到一个需求,要将word里面表格某些列的字段解析出来,这些列名是固定的,但是表格可能增加列,因此不能直接用列对应的索引去直接取列,要做成动态的。

整体思路就是先解析出word里面的表格,因为表格可能有多个,找到自己要的那个表格,再根据要的列名找到这些列的索引,找到之后遍历表格设置对象属性

1、maven依赖

<dependency>
			<groupId>org.apache.poi</groupId>
			<artifactId>poi-scratchpad</artifactId>
			<version>3.17</version>
		</dependency>
		<!--POI包 -->
		<dependency>
			<groupId>org.apache.poi</groupId>
			<artifactId>poi-ooxml</artifactId>
			<version>3.17</version>
		</dependency>

2、读取流数据

java 复制代码
@PostMapping(value = "/read")
public void upload(@RequestPart("file") MultipartFile multipartFile) throws IOException {
    handlerDocx(multipartFile.getInputStream());
}

3、处理逻辑

java 复制代码
    //解析字段关联的对象字段
    private static final Map<String, String> needColumnsMap = new HashMap<>();

    static {
        needColumnsMap.put("姓名", "name");
        needColumnsMap.put("单位", "unit");
        needColumnsMap.put("月数", "month");
    }

    private void handlerDocx(InputStream inputStream) throws IOException {
        XWPFDocument xwpf = new XWPFDocument(inputStream);
        // 获取word中的所有段落与表格
        List<IBodyElement> elements = xwpf.getBodyElements();
        // 解析表格后续不解析
        for (IBodyElement element : elements) {
            // 段落
            if (element instanceof XWPFParagraph) {
                String paragraphText = DocUtils.getParagraphText((XWPFParagraph) element);
                log.info("paragraphText = {}", paragraphText);
            } else if (element instanceof XWPFTable) {
                // 表格
                List<List<String>> tableText
                        = DocUtils.getTableText((XWPFTable) element);
                log.info("tableText = {}", tableText);
                //列索引关联的字段
                Map<Integer, String> needColumnIndexRelaName = new HashMap<>();
                for (List<String> strings : tableText) {
                    if (strings.containsAll(needColumnsMap.keySet())) {
                        //找出每个字段的索引,再找出这些索引对应的值
                        for (String needColumn : needColumnsMap.keySet()) {
                            needColumnIndexRelaName.put(strings.indexOf(needColumn), needColumnsMap.get(needColumn));
                        }
                    }
                }


                if (CollUtil.isNotEmpty(needColumnIndexRelaName)) {
                    List<UserInfo> userInfos = new ArrayList<>();
                    for (List<String> strings : tableText) {
                        //过滤掉表头
                        if (strings.containsAll(needColumnsMap.keySet())) {
                            continue;
                        }
                        UserInfo info = new UserInfo();
                        //根据列索引关联的字段设置对象属性
                        for (Integer needColumnIndex : needColumnIndexRelaName.keySet()) {
                            ReflectUtil.setFieldValue(info, needColumnIndexRelaName.get(needColumnIndex), strings.get(needColumnIndex));
                        }
                        userInfos.add(info);
                    }

                    log.info("{}", userInfos);
                }
            } else {
                log.info("其他内容");
            }
        }

    }

}

@Data
class UserInfo {

    @TableField(value = "姓名")
    private String name;

    @TableField(value = "单位")
    private String unit;

    @TableField(value = "月数")
    private String month;
}

4、工具类

java 复制代码
public class DocUtils {


     /**
     * 获取表格内容
     * @param table
     * @return
     */
    public static List<List<String>> getTableText(XWPFTable table) {
        List<List<String>> result = new ArrayList<>();
        List<XWPFTableRow> rows = table.getRows();
        for (XWPFTableRow row : rows) {
            String key = null;
            List<String> list = new ArrayList<>();
            int i = 0;
            List<XWPFTableCell> cells = row.getTableCells();
            for (XWPFTableCell cell : cells) {
                // 简单获取内容(简单方式是不能获取字体对齐方式的)
                StringBuffer sb = new StringBuffer();
                // 一个单元格可以理解为一个word文档,单元格里也可以加段落与表格
                List<XWPFParagraph> paragraphs = cell.getParagraphs();
                for (XWPFParagraph paragraph : paragraphs) {
                    sb.append(DocUtils.getParagraphText(paragraph));
                }
                if (i == 0) {
                    key = sb.toString();
                    list.add(key == null || Objects.deepEquals(key, "") ? null : key.replace(",", ""));
                } else {
                    String value = sb.toString();
                    list.add(value == null || Objects.deepEquals(value, "") ? null : value.replace(",", ""));
                }
                i++;
            }
            result.add(list);
        }
        return result;
    }

    /**
     * docx 获取段落字符串
     * 获取段落内容
     *
     * @param paragraph
     */
    public static String getParagraphText(XWPFParagraph paragraph) {
        StringBuffer runText = new StringBuffer();
        // 获取段落中所有内容
        List<XWPFRun> runs = paragraph.getRuns();
        if (runs.size() == 0) {
            return runText.toString();
        }
        for (XWPFRun run : runs) {
            runText.append(run.text());
        }
        return runText.toString();
    }

    /**
     * doc 格式的字段解析表格
     * @param tb
     * @return
     */
    public static Map<String, List<String>> getTabelDocText(Table tb) {
        Map<String, List<String>> result = new HashMap<>();
        //迭代行,默认从0开始,可以依据需要设置i的值,改变起始行数,也可设置读取到那行,只需修改循环的判断条件即可
        for (int i = 0; i < tb.numRows(); i++) {
            List<String> list = new ArrayList<>();
            int x = 0;
            TableRow tr = tb.getRow(i);
            String key = null;
            //迭代列,默认从0开始
            for (int j = 0; j < tr.numCells(); j++) {
                //取得单元格
                TableCell td = tr.getCell(j);
                StringBuffer sb = new StringBuffer();

                //取得单元格的内容
                for (int k = 0; k < td.numParagraphs(); k++) {
                    Paragraph paragraph = td.getParagraph(k);
                    String s = paragraph.text();
                    //去除后面的特殊符号
                    if (null != s && !"".equals(s)) {
                        s = s.substring(0, s.length() - 1);
                    }
                    sb.append(s);
                }
                if (x == 0) {
                    key = sb.toString();
                } else {
                    String value = sb.toString();
                    list.add(value == null || Objects.deepEquals(value, "") ? null : value.replace(",", ""));
                }
                x++;
            }
            result.put(key, list);
        }
        return result;
    }
}

5、最后表格里的字段映射到实体类的结果

[UserInfo(name=王, unit=电科院, month=4), UserInfo(name=邵, unit=电科院, month=4), UserInfo(name=王, unit=电科院, month=12), UserInfo(name=张, unit=有限公司, month=4) ]

相关推荐
棱角~~7 小时前
10款PDF转Word软件工具的使用感受及其亮点!!!
经验分享·pdf·word·学习方法
shujuwa668 小时前
什么是开源软件(OSS)?
pdf·编辑器·电脑·word·开源软件
遇见小美好y1 天前
自己生成的页面,保存为图片,并下载word
前端·javascript·word
hairenjing11231 天前
在电脑上免费分区的 5 个有效磁盘分区软件工具
windows·stm32·嵌入式硬件·macos·电脑·word
战战的坚果1 天前
word及Excel常见功能使用
word·excel
三维重建--小博主1 天前
MathType在Word中的安装与配置记录
word
jjocwc1 天前
用于nodejs的开源违禁词检测工具 JavaScript node-word-detection
开发语言·javascript·node.js·word
慧都小妮子1 天前
借助 Aspose.Words,使用 C# 从 Word 文档中删除页面
开发语言·c#·word
流浪大人1 天前
Java图片转word
java·开发语言·word
神秘的土鸡1 天前
ONLYOFFICE:数字化办公的创新解决方案与高效协作平台
安全·云原生·pdf·编辑器·word·ppt