不能每天都发鸡汤呀，今天分享一篇开发实战。
业务需求
我们有这样一个需求，需要抽取出WORD文档中的内容，然后组装成特定的json格式发送给第三方引擎接口，输入协议如下：
{ "tables": [ { "cells": [ { "col": 1, "row_span": 1, "row": 1, "col_span": 1, "content": "车辆名称" } ], "id": 0, "row_num": 2 } ], "paragraps": [ { "para_id": 1, "content": "Hello,JAVA日知录" } ] }
这个输入格式一看就是需要我们分段落和表格读取word中的内容，既然需求已定，那就直接开始动手写代码吧。
基于POI实现
把 “java如何读取word” 拿到百度去搜索，答案基本都是利用POI来实现。当然利用POI确实可以实现按段落和表格提取出内容并组装成上述格式，但是在实践过程中有下面2个问题：
- 需要分别处理两种格式
docx、docPOI使用不同的API来读取docx和doc，所以读取逻辑我们需要编写两次。 - POI读取doc的段落时会把表格的内容也读取出来 这个问题比较坑，poi有单独的方法读取文档中所有表格，但是在读取doc格式段落文档的时候会把表格内容也读取出来，所以我们需要用如下方法排除掉表格：
//读取doc HWPFDocument doc = new HWPFDocument(stream); Range range = doc.getRange(); //读取段落 int num = range.numParagraphs(); Paragraph para; for (int i=0; i<num; i++) { para = range.getParagraph(i); //排除表格内容 if (!para.isInTable()) { System.out.println(para.text()); } }
考虑以上两种原因，我们最后并没有采取POI来实现word内容提取功能，而是采用第二种方法，即利用 Spire.Doc for Java 来实现。
Spire.Doc for Java
Spire.Doc for Java 是一款专业的 Java Word 组件，开发人员使用它可以轻松地将 Word 文档创建、读取、编辑、转换和打印等功能集成到自己的 Java 应用程序中。
作为一款完全独立的组件，Spire.Doc for Java 的运行环境无需安装 Microsoft Office。官网地址是 https://www.e-iceblue.cn/，我们项目中使用的开源免费版。
- 首先我们修改maven仓库地址
<repositories> <repository> <id>com.e-iceblue</id> <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url> </repository> </repositories>
- 引入对应的jar包
<dependency> <groupId>e-iceblue</groupId> <artifactId>spire.doc.free</artifactId> <version>3.9.0</version> </dependency>
- 读取word，这里展示的是测试类
public class SpireApplication { public static void main(String[] args) { String path = "D:\\testDoc22.doc"; spireParaghDoc(path); spireForTableOfDoc(path); } //读取段落 public static void spireParaghDoc(String path) { Document doc = new Document(path); for (int i = 0; i < doc.getSections().getCount(); i++) { Section section = doc.getSections().get(i); for (int j = 0; j < section.getParagraphs().getCount(); j++) { Paragraph paragraph = section.getParagraphs().get(j); System.out.println(paragraph.getText()); } } } //读取表格 public static void spireForTableOfDoc(String path) { Document doc = new Document(path); for (int i = 0; i < doc.getSections().getCount(); i++) { Section section = doc.getSections().get(i); for (int j = 0; j < section.getBody().getChildObjects().getCount(); j++) { DocumentObject obj = section.getBody().getChildObjects().get(j); if (obj.getDocumentObjectType() == DocumentObjectType.Table) { Table table = (Table) obj; for (int k = 0; k < table.getRows().getCount(); k++) { TableRow rows = table.getRows().get(k); for (int p = 0; p < rows.getCells().getCount(); p++) { for (int h = 0; h < rows.getCells().get(p).getParagraphs().getCount(); h++) { Paragraph f = rows.getCells().get(p).getParagraphs().get(h); System.out.println(f.getText()); } } } } } } } }
通过上面代码我们就可以按段落和表格读取WORD中的内容，而后根据系统业务要求的格式进行封装即可。
以上，希望对你有所帮助！
