Java读取Word文档内容

随着文档处理日益普及，我们在工作或生活中常常需要读取Word文档的内容，特别是需要将文档中的数据进行提取或操作时，更是如此。本文将从多个方面介绍Java如何读取Word文档内容，并提供完整的代码示例。

一、POI库读取Word文档

Apache POI是一个Java的API，能够帮助开发者读取和写入Microsoft Office格式档案，包括了Excel、Word、PowerPoint等文件，因此可以用来读取Word文档的内容。

首先需要添加POI库的依赖，代码如下：

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

然后就可以使用POI库提供的类来读取Word文档中的内容了。示例代码如下：

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();

以上代码中，首先读取Word文档并创建XWPFDocument对象，然后通过调用getParagraphs方法获取所有段落，最后遍历所有段落并打印其文本内容。

二、读取Word文档中表格的内容

除了可读取文档中的段落内容外，有时也需要读取Word文档中表格的内容。可以通过以下代码来实现：

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();

以上代码中，首先读取Word文档并创建XWPFDocument对象，然后通过调用getTables方法获取所有表格，最后遍历所有表格、行和单元格并打印单元格文本内容。

三、读取Word文档中的图片

如果需要读取Word文档中包含的图片，可以通过以下代码来实现：

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();
    // 进行图片处理
}

fis.close();

以上代码中，首先读取Word文档并创建XWPFDocument对象，然后通过调用getAllPictures方法获取所有图片数据对象，并进行处理。在处理过程中可以根据需求进行图片展示、保存等操作。

四、使用JACOB库读取Word文档

JACOB是一种使用COM技术在Java中调用Windows应用程序的桥接技术，可以通过该技术在Java程序中读取Word文档。以下是使用JACOB库读取Word文档的示例代码：

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);

以上代码中，首先创建Word.Application对象并打开文档，然后获取文档内容并进行处理。在处理完成后要关闭文档和Word应用程序。

五、使用Aspose.Words库读取Word文档

Aspose.Words是一个用于处理Microsoft Word文档的Java组件，可以用来读取Word文档、编辑内容、创建文档等。以下是使用Aspose.Words库读取Word文档的示例代码：

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();

以上代码中，首先创建Document对象并打开文档，然后通过调用getChildNodes方法获取所有段落，最后遍历所有段落并打印其文本内容。在完成读取操作后要关闭文档。

六、总结

本文介绍了多种Java读取Word文档内容的方法，包括使用POI库、JACOB库以及Aspose.Words库等。不同的库可以满足不同的需求，在实际应用中需要根据具体情况进行选择。需要特别注意的是，在使用第三方库时要注意版本兼容性，以避免出现未知的问题。