POI读word doc 03 文件的两种方法

Apache poi的hwpf模块是专门用来对word doc文件进行读写操作的。在hwpf里面我们使用HWPFDocument来表示一个word doc文档。在HWPFDocument里面有这么几个概念：

Range：它表示一个范围，这个范围可以是整个文档，也可以是里面的某一小节（Section），也可以是某一个段落（Paragraph），还可以是拥有共同属性的一段文本（CharacterRun）。

Section：word文档的一个小节，一个word文档可以由多个小节构成。

Paragraph：word文档的一个段落，一个小节可以由多个段落构成。

CharacterRun：具有相同属性的一段文本，一个段落可以由多个CharacterRun组成。

Table：一个表格。

TableRow：表格对应的行。

TableCell：表格对应的单元格。

Section、Paragraph、CharacterRun和Table都继承自Range。

1 读word doc文件

在日常应用中，我们从word文件里面读取信息的情况非常少见，更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式：通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。

1.1通过WordExtractor读文件

在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例：

public class Test11 {
    public static void main(String[] args)  throws Exception {
          InputStream is = new FileInputStream("F:\\test.doc");
          WordExtractor extractor = new WordExtractor(is);
          //输出word文档所有的文本
          System.out.println(extractor.getText());
          System.out.println(extractor.getTextFromPieces());
          //输出页眉的内容
          System.out.println("页眉：" + extractor.getHeaderText());
          //输出页脚的内容
          System.out.println("页脚：" + extractor.getFooterText());
          //输出当前word文档的元数据信息，包括作者、文档的修改时间等。
          System.out.println(extractor.getMetadataTextExtractor().getText());
          //获取各个段落的文本
          String paraTexts[] = extractor.getParagraphText();
          for (int i=0; i<paraTexts.length; i++) {
             System.out.println("Paragraph " + (i+1) + " : " + paraTexts[i]);
          }
          //输出当前word的一些信息
          printInfo(extractor.getSummaryInformation());
          //输出当前word的一些信息
          printInfo2(extractor.getDocSummaryInformation());
          closeStream(is);
       }

       /**
        * 输出SummaryInfomation
        * @param info
        */
       private void printInfo(SummaryInformation info) {
          //作者
          System.out.println(info.getAuthor());
          //字符统计
          System.out.println(info.getCharCount());
          //页数
          System.out.println(info.getPageCount());
          //标题
          System.out.println(info.getTitle());
          //主题
          System.out.println(info.getSubject());
       }

       /**
        * 输出DocumentSummaryInfomation
        * @param info
        */
       private void printInfo2(DocumentSummaryInformation info) {
          //分类
          System.out.println(info.getCategory());
          //公司
          System.out.println(info.getCompany());
       }

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

1.2 通过HWPFDocument读文件

HWPFDocument是当前Word文档的代表，它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等，还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的，也就是说我们改变的是HWPFDocument，而不是磁盘上的文件。如果要使这些修改生效的话，我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流，也可以是新文件的输出流（相当于另存为）或其它输出流。下面是一个通过HWPFDocument读文件的示例：

public class HwpfTest {

   @Test
   public void testReadByDoc() throws Exception {
      InputStream is = new FileInputStream("D:\\test.doc");
      HWPFDocument doc = new HWPFDocument(is);
      //输出书签信息
      this.printInfo(doc.getBookmarks());
      //输出文本
      System.out.println(doc.getDocumentText());
      Range range = doc.getRange();
//    this.insertInfo(range);
      this.printInfo(range);
      //读表格
      this.readTable(range);
      //读列表
      this.readList(range);
      //删除range
      Range r = new Range(2, 5, doc);
      r.delete();//在内存中进行删除，如果需要保存到文件中需要再把它写回文件
      //把当前HWPFDocument写到输出流中
      doc.write(new FileOutputStream("D:\\test.doc"));
      this.closeStream(is);
   }

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

   /**
    * 输出书签信息
    * @param bookmarks
    */
   private void printInfo(Bookmarks bookmarks) {
      int count = bookmarks.getBookmarksCount();
      System.out.println("书签数量：" + count);
      Bookmark bookmark;
      for (int i=0; i<count; i++) {
         bookmark = bookmarks.getBookmark(i);
         System.out.println("书签" + (i+1) + "的名称是：" + bookmark.getName());
         System.out.println("开始位置：" + bookmark.getStart());
         System.out.println("结束位置：" + bookmark.getEnd());
      }
   }

   /**
    * 读表格
    * 每一个回车符代表一个段落，所以对于表格而言，每一个单元格至少包含一个段落，每行结束都是一个段落。
    * @param range
    */
   private void readTable(Range range) {
      //遍历range范围内的table。
      TableIterator tableIter = new TableIterator(range);
      Table table;
      TableRow row;
      TableCell cell;
      while (tableIter.hasNext()) {
         table = tableIter.next();
         int rowNum = table.numRows();
         for (int j=0; j<rowNum; j++) {
            row = table.getRow(j);
            int cellNum = row.numCells();
            for (int k=0; k<cellNum; k++) {
                cell = row.getCell(k);
                //输出单元格的文本
                System.out.println(cell.text().trim());
            }
         }
      }
   }

   /**
    * 读列表
    * @param range
    */
   private void readList(Range range) {
      int num = range.numParagraphs();
      Paragraph para;
      for (int i=0; i<num; i++) {
         para = range.getParagraph(i);
         if (para.isInList()) {
            System.out.println("list: " + para.text());
         }
      }
   }

   /**
    * 输出Range
    * @param range
    */
   private void printInfo(Range range) {
      //获取段落数
      int paraNum = range.numParagraphs();
      System.out.println(paraNum);
      for (int i=0; i<paraNum; i++) {
//       this.insertInfo(range.getParagraph(i));
         System.out.println("段落" + (i+1) + "：" + range.getParagraph(i).text());
         if (i == (paraNum-1)) {
            this.insertInfo(range.getParagraph(i));
         }
      }
      int secNum = range.numSections();
      System.out.println(secNum);
      Section section;
      for (int i=0; i<secNum; i++) {
         section = range.getSection(i);
         System.out.println(section.getMarginLeft());
         System.out.println(section.getMarginRight());
         System.out.println(section.getMarginTop());
         System.out.println(section.getMarginBottom());
         System.out.println(section.getPageHeight());
         System.out.println(section.text());
      }
   }

   /**
    * 插入内容到Range，这里只会写到内存中
    * @param range
    */
   private void insertInfo(Range range) {
      range.insertAfter("Hello");
   }

}

（注：本文是基于poi3.9所写）