java实现读取word文件、读取表格

一、导入相关的依赖包

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>3.17</version>
</dependency>

三、实现相应的工具类

import org.apache.poi.hwpf.extractor.WordExtractor;
import org.springframework.util.StringUtils;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

public class Wordutil {

    public static void main(String[] args) throws Exception {
        Wordutil wordutil=new Wordutil();
        wordutil.testReadByExtractor("/xxxx/xxxx/xxxxxxxxxx.doc);
    }

    public void testReadByExtractor(String absolutePath) throws Exception {
        InputStream is = new FileInputStream(absolutePath);
        WordExtractor extractor = new WordExtractor(is);
        //获取各个段落的文本,这种适合简单的文本格式
        String paraTexts[] = extractor.getParagraphText();
        for (int i=0; i<paraTexts.length; i++) {
            System.out.println(paraTexts[i]);
        }
        this.closeStream(is);
    }

    /**
     * 关闭输入流
     * @param is
     */
    private void closeStream(InputStream is) {
        if (!StringUtils.isEmpty(is)) {
            try {
                is.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
}

三、如果是表格形式的需要根据是docx版本或者是doc版本使用XWPFDocument，以及HWPFDocument进行读取相应的文件，word文档中表格的读取，如果是用模板.ftl文件导出的word，无法进行相应的读取，需要重新将文件进行另存为，然后再一次读取。

其中需要的依赖包

<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>4.1.0</version>
</dependency>
<!--处理word文档需要的额外的jar包-->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>4.1.0</version>
</dependency>
<!--处理word文档需要的额外的jar包-->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>4.1.0</version>
</dependency>

四、代码的实现

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.*;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFTableRow;
import org.springframework.util.StringUtils;

import java.io.FileInputStream;
import java.util.Iterator;
import java.util.List;

/**
 * word文档中表格的读取，如果是用模板.ftl文件导出的word，无法进行相应的读取，
 * 需要将word文档另存为
 */
public class DocTableReadUtil {
/**
 * 读取文档中表格
 */
public static String getWord(String filePath) {
    String wordContent = "";
    String tmpWord = "";//报告录入人:    录入时间:
    try {
        FileInputStream in = new FileInputStream(filePath);//载入文档
        // 处理docx格式 即office2007以后版本
        if (filePath.toLowerCase().endsWith("docx")) {
            //word 2007 图片不会被读取， 表格中的数据会被放在字符串的最后
            XWPFDocument xwpf = new XWPFDocument(in);//得到word文档的信息
            Iterator<XWPFTable> it = xwpf.getTablesIterator();//得到word中的表格
            // 设置需要读取的表格 set是设置需要读取的第几个表格，total是文件中表格的总数
            int set = 4;
            // 过滤前面不需要的表格
            for (int i = 0; i < set - 1; i++) {
                it.hasNext();
                it.next();
            }
            while (it.hasNext()) {
                XWPFTable table = it.next();
                List<XWPFTableRow> rows = table.getRows();
                //读取每一行数据
                String tableTxt = "";
                for (int i = 0; i < rows.size(); i++) {
                    XWPFTableRow row = rows.get(i);
                    String rowTxt = "<tr>";
                    //读取每一列数据
                    List<XWPFTableCell> cells = row.getTableCells();
                    for (int j = 0; j < cells.size(); j++) {
                        XWPFTableCell cell = cells.get(j);
                        //输出当前的单元格的数据
                        //输出结果-------------
                    }
                }
            }
        } else {
            // 处理doc格式 即office2003版本
            POIFSFileSystem pfs = new POIFSFileSystem(in);
            HWPFDocument hwpf = new HWPFDocument(pfs);
            Range range = hwpf.getRange();//得到文档的读取范围
            TableIterator it = new TableIterator(range);
            // 迭代文档中的表格
            // 如果有多个表格只读取需要的一个 set是设置需要读取的第几个表格，total是文件中表格的总数
            int set = 4;
            for (int i = 0; i < set - 1; i++) {
                it.hasNext();
                it.next();
            }
            while (it.hasNext()) {
                Table tb = it.next();
                //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
                String table = "";
                for (int i = 0; i < tb.numRows(); i++) {
                    TableRow tr = tb.getRow(i);
                    //迭代列，默认从0开始
                    String row = "<tr>";
                    for (int j = 0; j < tr.numCells(); j++) {
                        TableCell td = tr.getCell(j);//取得单元格
                        //取得单元格的内容
                        for (int k = 0; k < td.numParagraphs(); k++) {
                            Paragraph para = td.getParagraph(k);
                            String s = para.text();
                            //输出结果-------------
                        }
                    }
                }
            }

        }
    } catch (Exception e) {
        //初始化时，处理是否将word转化为html的标签，存入数据库中，如果出现异常抛出
        e.printStackTrace();
    }
    return wordContent;
	}
}