用 Java 轻松读取 Word 文档内容

嘿，朋友们！在 Java 开发里，有时候咱得读取 Word 文档里的内容，这在处理合同、报告等文件时特别有用。咱可以根据 Word 文档的格式，用不同的库来实现读取功能。下面就详细说说 .doc 和 .docx 这两种常见格式文档的读取方法。

1. 读取 .doc 格式的 Word 文档

引入依赖

如果用 Maven 管理项目，在 pom.xml 里添加 Apache POI 的依赖：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>5.2.3</version>
</dependency>

代码示例

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;

import java.io.FileInputStream;
import java.io.IOException;

public class ReadDocFile {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.doc")) {
            // 创建 HWPFDocument 对象来表示 .doc 文档
            HWPFDocument document = new HWPFDocument(fis);
            // 创建 WordExtractor 对象用于提取文档内容
            WordExtractor extractor = new WordExtractor(document);
            // 获取文档的文本内容
            String content = extractor.getText();
            System.out.println(content);
        } catch (IOException e) {
            e.printStackTrace();
            System.out.println("读取 .doc 文件失败：" + e.getMessage());
        }
    }
}

代码解释

• FileInputStream fis = new FileInputStream("example.doc")：创建一个文件输入流，用来读取 example.doc 文件。

• HWPFDocument document = new HWPFDocument(fis)：用 HWPFDocument 类创建一个文档对象，它能处理 .doc 格式的文档。

• WordExtractor extractor = new WordExtractor(document)：创建 WordExtractor 对象，它可以从文档对象里提取文本内容。

• String content = extractor.getText()：调用 getText() 方法获取文档的全部文本内容，然后打印出来。

2. 读取 .docx 格式的 Word 文档

引入依赖

同样在 pom.xml 里添加 Apache POI 的依赖：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>

代码示例

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;

import java.io.FileInputStream;
import java.io.IOException;

public class ReadDocxFile {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.docx")) {
            // 创建 XWPFDocument 对象来表示 .docx 文档
            XWPFDocument document = new XWPFDocument(fis);
            StringBuilder content = new StringBuilder();
            // 遍历文档中的每个段落
            for (XWPFParagraph paragraph : document.getParagraphs()) {
                // 遍历段落中的每个文本运行对象
                for (XWPFRun run : paragraph.getRuns()) {
                    content.append(run.getText(0));
                }
                content.append("\n");
            }
            System.out.println(content.toString());
        } catch (IOException e) {
            e.printStackTrace();
            System.out.println("读取 .docx 文件失败：" + e.getMessage());
        }
    }
}

代码解释

• FileInputStream fis = new FileInputStream("example.docx")：创建文件输入流读取 example.docx 文件。

• XWPFDocument document = new XWPFDocument(fis)：用 XWPFDocument 类创建文档对象，它专门处理 .docx 格式的文档。

• 通过两层循环，外层遍历文档里的每个段落，内层遍历段落里的每个文本运行对象，把文本内容添加到 StringBuilder 里，最后打印出来。

嘿，朋友们！有了上面的方法，咱就能用 Java 轻松读取不同格式的 Word 文档内容啦。赶紧动手试试，让你的程序也能和 Word 文档"交流"起来！