Java讀取Word文檔內容

隨著文檔處理日益普及，我們在工作或生活中常常需要讀取Word文檔的內容，特別是需要將文檔中的數據進行提取或操作時，更是如此。本文將從多個方面介紹Java如何讀取Word文檔內容，並提供完整的代碼示例。

一、POI庫讀取Word文檔

Apache POI是一個Java的API，能夠幫助開發者讀取和寫入Microsoft Office格式檔案，包括了Excel、Word、PowerPoint等文件，因此可以用來讀取Word文檔的內容。

首先需要添加POI庫的依賴，代碼如下：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>4.1.0</version>
</dependency>

然後就可以使用POI庫提供的類來讀取Word文檔中的內容了。示例代碼如下：

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

for (XWPFParagraph para : paragraphs) {
    System.out.println(para.getText());
}

fis.close();

以上代碼中，首先讀取Word文檔並創建XWPFDocument對象，然後通過調用getParagraphs方法獲取所有段落，最後遍歷所有段落並列印其文本內容。

二、讀取Word文檔中表格的內容

除了可讀取文檔中的段落內容外，有時也需要讀取Word文檔中表格的內容。可以通過以下代碼來實現：

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

List<XWPFTable> tables = document.getTables();
for (XWPFTable table : tables) {
    List<XWPFTableRow> rows = table.getRows();
    for (XWPFTableRow row : rows) {
        List<XWPFTableCell> cells = row.getTableCells();
        for (XWPFTableCell cell : cells) {
            System.out.print(cell.getText() + "\t");
        }
        System.out.println();
    }
}

fis.close();

以上代碼中，首先讀取Word文檔並創建XWPFDocument對象，然後通過調用getTables方法獲取所有表格，最後遍歷所有表格、行和單元格並列印單元格文本內容。

三、讀取Word文檔中的圖片

如果需要讀取Word文檔中包含的圖片，可以通過以下代碼來實現：

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

List<XWPFPictureData> pictures = document.getAllPictures();
for (XWPFPictureData picture : pictures) {
    byte[] pictureData = picture.getData();
    // 進行圖片處理
}

fis.close();

以上代碼中，首先讀取Word文檔並創建XWPFDocument對象，然後通過調用getAllPictures方法獲取所有圖片數據對象，並進行處理。在處理過程中可以根據需求進行圖片展示、保存等操作。

四、使用JACOB庫讀取Word文檔

JACOB是一種使用COM技術在Java中調用Windows應用程序的橋接技術，可以通過該技術在Java程序中讀取Word文檔。以下是使用JACOB庫讀取Word文檔的示例代碼：

ActiveXComponent word = new ActiveXComponent("Word.Application");
Dispatch documents = word.getProperty("Documents").toDispatch();
Dispatch document = Dispatch.invoke(documents, "Open", Dispatch.Method, new Object[] { "test.docx", new Variant(false), new Variant(true) }, new int[1]).toDispatch();
Dispatch selection = Dispatch.get(word, "Selection").toDispatch();
Dispatch.invoke(selection, "WholeStory", Dispatch.Method, new Object[0], new int[1]);
String text = Dispatch.get(selection, "Text").toString();

Dispatch.call(document, "Close", new Variant(false));
word.invoke("Quit", new Variant[] {});

System.out.println(text);

以上代碼中，首先創建Word.Application對象並打開文檔，然後獲取文檔內容並進行處理。在處理完成後要關閉文檔和Word應用程序。

五、使用Aspose.Words庫讀取Word文檔

Aspose.Words是一個用於處理Microsoft Word文檔的Java組件，可以用來讀取Word文檔、編輯內容、創建文檔等。以下是使用Aspose.Words庫讀取Word文檔的示例代碼：

Document document = new Document("test.docx");
NodeCollection paragraphs = document.getChildNodes(NodeType.PARAGRAPH, true);

for (Paragraph para : (Iterable<Paragraph>) paragraphs) {
    System.out.println(para.getText());
}

document.close();

以上代碼中，首先創建Document對象並打開文檔，然後通過調用getChildNodes方法獲取所有段落，最後遍歷所有段落並列印其文本內容。在完成讀取操作後要關閉文檔。

六、總結

本文介紹了多種Java讀取Word文檔內容的方法，包括使用POI庫、JACOB庫以及Aspose.Words庫等。不同的庫可以滿足不同的需求，在實際應用中需要根據具體情況進行選擇。需要特別注意的是，在使用第三方庫時要注意版本兼容性，以避免出現未知的問題。