Java 读写 Word doc 文件的方法(POI代码示例)

都说懒人推动社会进步。

我的出发点是，想做个自动生成工作日志的工具。思路是读取google日历中我每日的工作记录，填充生成公司规定格式的word文件，然后再调用邮件函数发送邮件到领导的信箱里面去。

这其中一环就是Java读写doc文件。网上找了不少资料，初步选用了Apache POI，可以读写整个Office系列的各种文档，并且不依赖Office的任何库，纯JAVA代码。直接读写doc的二进制文件，我最喜欢了。相对的有个Java com 桥的方法，用Java来操作com对象，后台运行隐藏的word程序，甚为不喜。

POI API Documentation 的文档写的太差了，没有例子，Apache 的 POI 项目主页也没有代码，直接说想看代码，请去svn下载代码，阅读他的单元测试用例，TestCase。

最后磕磕绊绊写了下面的一个测试的例子。基本可以看清这个POI的hwpf库，读写word doc 文件的方法。代码、注释都是原创，高手飘过去就行了。

import java.io.*;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.hwpf.usermodel.Section;

public class Main {

  public static void main(String[] args) {
    try {
        //新建 HWPFDocument 对象，读入doc文件
        HWPFDocument doc = new HWPFDocument(new FileInputStream("c:\\test.doc"));
        //得到整个doc文档的Range，可以理解为文档对象
        Range r = doc.getRange();

        System.out.println("Example you supplied:");
        System.out.println("---------------------");

        String text = new String("");
        //得到整个文档里面的所有纯文字，包含回车换行。一段是一行
        text = r.text();
        //System.out.println(text);

        //得到整个文档的分节数。一般只有一节，排版很漂亮的word文档一般分为多节
        System.out.println("numSections: " + r.numSections());
        //得到倒数第一节的Section对象
        Section section = r.getSection(r.numSections() - 1);
        //得到该节里面的段落数
        System.out.println(section.numParagraphs());
        System.out.println("numParagraphs: " + section.numParagraphs());

        String searchText = "${Ryan}";
        String replacementText = "Apache Software Foundation";

        //循环得到每一段落的文字。这个跟Range.text()是不同的。
        for (int np = 0; np < section.numParagraphs(); np++) {
          Paragraph para = section.getParagraph(np);
          //得到该段落的文字
          text = para.text();
          //System.out.println(Integer.toString(np) + ":" + text);
          int offset = text.indexOf(searchText);
          if (offset >= 0) {
              System.out.println(Integer.toString(np) + ":" + para.text());
              //如果找到了，就进行文字的替换。replaceText只能针对段落
              para.replaceText(searchText, replacementText);
              break;
            }
        }
        
        //写入到新的doc文件
        OutputStream outdoc = new FileOutputStream("c:\\test2.doc");
        doc.write(outdoc);
        
        outdoc.flush();
        outdoc.close();

    } catch (Throwable t) {
        t.printStackTrace();
      }
    }
}

 

编译运行很顺利，但是悲剧的是，最后调用write方法写入的doc文件打不开了，报格式错误，用Notepad++打开这个doc文件对比原来的，发现文字确实替换成功了，但是文件的尾巴上少了一部分内容，二进制和assic混合的，格式看来是被破坏了。

忙活了半天，最后发现杯具了。应该是兼容性的问题。改天去他们的邮件列表问问。或者路过的看官知道的，指导一下我。

我在写这个文章的时候，又想到一个绝妙的注意。何必绕道这么远呢？

实施工作日志内容来源于google calendar，如果能够利用google app doc 自己本身的宏:google script，的功能，读取日历数据，形成doc文件，调用gmail发送到指定的信箱，不是齐活了吗？费不着用Java了。

其实在决定用java之前，想过用VB，这个做肯定不存在问题，VB操作com对象本身是轻车熟路，顶多再找个发邮件的库，实在不行了没人手工发送。方法还是很多的。

科技以懒人为本。

评论

3 楼 aasddsasda 2014-01-20  

感谢博主分享，正在用poi做一个模板替换的功能，如果直接用range的replaceText替换中文会出错，分段落替换就不会有问题了

2 楼 sendreams 2014-01-19  

poi项目经过这么多年的发展，感觉还不是很给力，hwpf和xwpf分别处理doc和docx文档，这对开发者来说需要使用两套api。

1 楼 lord_is_layuping 2013-07-26  

poi真不让人省心