使用Java讀取Word文檔

一、概述

Word是辦公人員常用的文檔編輯軟件，而Java是廣泛應用於企業級應用和互聯網應用的編程語言。使用Java讀取Word文檔可以幫助我們更好地處理Word文檔，進行文本提取、編輯等操作。本文將從整體概述、文本提取、文本替換、文本插入、圖片提取、段落處理、樣式處理等方面對Java讀取Word文檔進行詳細講解。

二、文本提取

Java讀取Word文檔的第一個需求就是文本提取。通常，我們會使用Apache POI（一款用於讀取和寫入Office文檔的Java類庫）來讀取Word文檔。

FileInputStream fis = new FileInputStream(new File("test.docx"));
XWPFDocument document = new XWPFDocument(fis);
List paragraphs = document.getParagraphs();

for (XWPFParagraph paragraph : paragraphs) {
    String text = paragraph.getText();
    System.out.println("Paragraph Text:" + text);
}

代碼中，我們首先使用FileInputStream讀取Word文檔，並將其包裝成XWPFDocument對象。接着使用XWPFDocument的getParagraphs方法獲取文檔的段落內容，再使用paragraph.getText()方法獲取段落的文本內容。

需要注意的是，由於Word文檔保存的時候會有一些格式性的內容，如頁眉、頁腳等，所以在讀取文本時，我們需要使用正則表達式將這些內容過濾掉。

三、文本替換

在讀取Word文檔的過程中，我們可能需要對讀取的文本進行替換處理。Apache POI同樣提供了XWPFRun類來進行文本替換處理。

XWPFRun run = paragraph.createRun();
run.setText("替換後的文本");
run.setFontSize(14);
run.setBold(true);

代碼中，我們首先獲取到需要替換的段落，再使用createRun方法創建一個XWPFRun對象，使用setText方法設置替換後的文本，使用setFontSiz和setBold方法設置字體大小及粗體屬性。

四、文本插入

在讀取Word文檔的過程中，我們也可能需要在文檔中插入一些文本內容。還是使用XWPFRun類來進行文本插入。

XWPFRun run = paragraph.createRun();
run.setText("插入的文本");
run.addBreak();

代碼中，我們同樣使用createRun方法創建一個XWPFRun對象，使用setText方法設置插入的文本，使用addBreak方法添加換行符。

五、圖片提取

Word文檔中可能包含圖片內容，我們同樣可以使用Apache POI來提取圖片。下面的代碼演示了如何讀取圖片並將其保存到本地磁盤。

List allPictures = document.getAllPictures();

int i = 0;

for (XWPFPictureData pictureData : allPictures) {
    byte[] pictureBytes = pictureData.getData();
    String extension = pictureData.suggestFileExtension();
    String fileName = "picture_" + i + "." + extension;
    FileOutputStream fos = new FileOutputStream(new File(fileName));
    fos.write(pictureBytes);
    fos.close();
    i++;
}

代碼中，我們使用document.getAllPictures方法獲取文檔中的所有圖片，然後使用XWPFPictureData的getData方法獲取圖片字節數組，使用suggestFileExtension方法獲取圖片格式，最後將字節數組寫出到本地磁盤。

六、段落處理

在讀取Word文檔的過程中，我們可以對每個段落進行處理，如插入文本、替換文本、設置字體等操作。

for (XWPFParagraph paragraph : paragraphs) {
    String text = paragraph.getText();

    if (text.contains("Java")) {
        XWPFRun run = paragraph.createRun();
        run.setText("replace to Java Code");
        run.setFontSize(14);
        run.setBold(true);
    }

    List runs = paragraph.getRuns();

    for (XWPFRun run : runs) {
        if (run.isBold()) {
            run.setBold(false);
            run.setColor("FF0000");
        }
    }
}

代碼中，我們首先使用getText方法獲取每個段落的文本內容，如果文本中包含”Java”，就使用createRun方法創建一個新的XWPFRun對象，使用setText方法替換文本，設置字體大小及粗體屬性。接着，我們使用getRuns方法獲取段落的所有XWPFRun對象，對每個XWPFRun對象進行字體設置，如取消粗體，設置字體顏色等。

七、樣式處理

Word文檔中可能包含各種樣式，如下劃線、背景顏色、字體大小等。使用Apache POI讀取Word文檔後，我們可以使用XWPFStyles類來獲取文檔中的所有樣式。

XWPFStyles styles = document.getStyles();
XWPFStyle style = styles.getStyle("Normal");
style.setUnderline(UnderlinePatterns.SINGLE);
style.setFontSize(14);
style.setBold(true);

代碼中，我們首先使用document.getStyles方法獲取文檔中的所有樣式，再使用getStyle方法獲取指定樣式。接着，我們使用setUnderline、setFontSize、setBold等方法設置樣式的屬性。

八、總結

使用Java讀取Word文檔的過程中，我們需要使用Apache POI這款Java類庫。在讀取Word文檔時，我們可以按照以下步驟進行：首先使用FileInputStream讀取Word文檔並包裝成XWPFDocument對象，然後使用getParagraphs方法獲取段落內容，使用XWPFRun類進行文本操作，使用XWPFPictureData類進行圖片操作，使用XWPFStyles類進行樣式操作。