网站目录字典/化工网站关键词优化

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 {@Testpublic 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rangeRange 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）