POI3.6 对word2007解析总结

    刚刚接触XWPF，之前总算对HWPF摸得比较熟了，在POI对word2007摸索的过程中却发现不少问题。网上对POI的有用资料本来也不多，对于XWPF的几乎没有，这里做一点总结：

1 解析word2007需要7个包，poi,poi-scratchpad,poi-ooxml,poi-ooxml-schemas,xmlbeans,dom4j,geronimo-stax-api,缺少的话会运行时保错，暂未发现JDK版本的冲突。

2 XWPF似乎是自成体系，没有从HWPF继承已有的一些对象，不知道是原来的架构没做好还是两种word文件格式相差太大，这对于我原来的程序需要兼容多个版本word造成不少麻烦。

3 从已有的情况看，XWPF似乎是不支持isInTable的判断，检查XWPFWordExtractor解析getText的代码，居然是解析了文本，再解析表格，狂晕，作者还没找到定位table表格位置的方法？而且表格的内容似乎不再存于paragraph中了

由于XWPF采用openxml解析xml，并把所有同类的标签都分类解析，所以导出为文字时已经无法区分顺序了，实际上在docx中是顺序存放的，但是解析后把段落和表格分开存放，同时也就丢失了两者的位置关系，在Extractor就只能分别输出了，无语的半成品阿。

4 cell中居然可以支持多个段落，但是不再试用getParagraph方法，或者说只能获取一个段落getParagraph，必须用另外的方法读取。

5 从测试用例的程序可以看出，附件（如图片）是可以读出的，超链接应该也是可以的，没有详细查看。

6 cell居然无法获得宽度，郁闷，表格的问题相当多。看看它连getText都没来得及做可知完成的多么仓促

    public String getText() {
        //TODO
        return null;
    }

 

7 优势方面，理论上来说已经可以区分修订的添加或者删除内容了（虽然Extractor还是同样全部输出），但是和表格同一个德行，添加和删除的内容被分类读取出来了，同样无法判断顺序，于是Extractor按照一般、删除和插入的顺序输出文字，无语...

 

    protected XWPFParagraph(CTP prgrph, XWPFDocument docRef) {
        this.paragraph = prgrph;
        this.document = docRef;

        if (!isEmpty()) {
            // All the runs to loop over
            // TODO - replace this with some sort of XPath expression
            // to directly find all the CTRs, in the right order
            ArrayList<CTR> rs = new ArrayList<CTR>();
            rs.addAll(Arrays.asList(paragraph.getRArray()));

            for (CTSdtRun sdt : paragraph.getSdtArray()) {
                CTSdtContentRun run = sdt.getSdtContent();
                rs.addAll(Arrays.asList(run.getRArray()));
            }
            for (CTRunTrackChange c : paragraph.getDelArray()) {
                rs.addAll(Arrays.asList(c.getRArray()));
            }

            for (CTRunTrackChange c : paragraph.getInsArray()) {
                rs.addAll(Arrays.asList(c.getRArray()));
            }

8 (2-5)今天发现ooxml解析还存在一个bug，没有解析下面的标签

 

            <w:smartTag w:uri="urn:schemas-microsoft-com:office:smarttags" w:element="place">
              <w:r>
                <w:rPr>
                  <w:rFonts w:ascii="仿宋_GB2312" w:eastAsia="仿宋_GB2312" w:hAnsi="宋体" w:cs="宋体"/>
                  <w:b/>
                  <w:bCs/>
                  <w:kern w:val="0"/>
                  <w:szCs w:val="21"/>
                </w:rPr>
                <w:t>Para</w:t>
              </w:r>
            </w:smartTag>

 smallTag的标签不知道有什么意义，是word文档自己生成的，从word中看，标签中的内容和其他文字样式上没有任何不同，但是ooxml不会解析这个标签，导致文字丢失。

    目前而言，感觉XWPF完成的相当粗糙，例子很少，只有两个编辑的例子，文档则几乎没有，文档格式为xml，哪怕自己解析估计也不必POI差多少，不推荐使用。

9 宏替换标签直接把内容并入文本，导致缺少标志性标志（前缀和后缀），这样勉强替换可能误改正文，不过也没法子了。checkbox的例子，用了<w:instrText xml:space="preserve">标签，你可以看出word文档有多么繁琐。

            <w:r w:rsidRPr="00E7434E">
              <w:rPr>
                <w:rFonts w:ascii="宋体" w:hAnsi="宋体" w:cs="宋体"/>
                <w:kern w:val="0"/>
                <w:szCs w:val="21"/>
              </w:rPr>
              <w:instrText xml:space="preserve">MACROBUTTON UncheckIt</w:instrText>
            </w:r>
            <w:r w:rsidRPr="00E7434E">
              <w:rPr>
                <w:rFonts w:ascii="宋体" w:hAnsi="Wingdings" w:cs="宋体" w:hint="eastAsia"/>
                <w:kern w:val="0"/>
                <w:szCs w:val="20"/>
              </w:rPr>
              <w:sym w:font="Wingdings" w:char="F0FE"/>
            </w:r>
            <w:r w:rsidRPr="00E7434E">
              <w:rPr>
                <w:rFonts w:ascii="宋体" w:hAnsi="宋体" w:cs="宋体"/>
                <w:kern w:val="0"/>
                <w:szCs w:val="21"/>
              </w:rPr>
              <w:fldChar w:fldCharType="end"/>
            </w:r>
            <w:r w:rsidRPr="00E7434E">
              <w:rPr>
                <w:rFonts w:ascii="宋体" w:hAnsi="宋体" w:cs="宋体"/>
                <w:kern w:val="0"/>
                <w:szCs w:val="21"/>
              </w:rPr>
              <w:t xml:space="preserve"></w:t>
            </w:r>
            <w:r w:rsidRPr="00157D2C">
              <w:rPr>
                <w:rFonts w:hint="eastAsia"/>
              </w:rPr>
              <w:t>固定资产</w:t>
            </w:r>

 

//*********************************************************

XWPF比较详细一点的介绍 http://hi.baidu.com/zrzx/blog/item/dde3bc31b9e248a15fdf0e36.html

 

费了很多功夫总算补充了POI无法定位表格位置和读取对象属性的问题，庆贺一个先。

评论

2 楼 huzhiyong56 2012-05-09  

我现在也是在找怎么定位表格？楼主找到了吗？

1 楼 j2093 2010-07-14  

就是先不推荐使用XWPF呗