poi读取word中的表格

Jakarta POI 是apache的子项目，目标是处理ole2对象。它提供了一组操纵Windows文档的Java API。在网上见到好多通过poi读取excel的文章，读写也很方便，和jxl有的一比。在这里，主要是poi对word中的表格数据读取。

具体见代码

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;

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.Table;
import org.apache.poi.hwpf.usermodel.TableCell;
import org.apache.poi.hwpf.usermodel.TableIterator;
import org.apache.poi.hwpf.usermodel.TableRow;

import java.io.File;   
import java.io.FileInputStream;   
import java.io.InputStream;   
  
import org.apache.poi.POIXMLDocument;   
import org.apache.poi.POIXMLTextExtractor;   
import org.apache.poi.hwpf.extractor.WordExtractor;   
import org.apache.poi.openxml4j.opc.OPCPackage;   
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;  


import org.apache.poi.poifs.filesystem.POIFSFileSystem;

public class ExportDocImpl
{
	public void testWord(){
		try{
		    FileInputStream in = new FileInputStream("D:\\sinye.doc");//载入文档
		   POIFSFileSystem pfs = new POIFSFileSystem(in);   
		    HWPFDocument hwpf = new HWPFDocument(pfs);   
		    Range range = hwpf.getRange();//得到文档的读取范围
		    TableIterator it = new TableIterator(range);
		   //迭代文档中的表格
		    while (it.hasNext()) {   
		        Table tb = (Table) it.next();   
		        //迭代行，默认从0开始
		        for (int i = 0; i < tb.numRows(); i++) {   
		            TableRow tr = tb.getRow(i);   
		            //迭代列，默认从0开始
		            for (int j = 0; j < tr.numCells(); j++) {   
		                TableCell td = tr.getCell(j);//取得单元格
		                //取得单元格的内容
		                for(int k=0;k<td.numParagraphs();k++){   
		                    Paragraph para =td.getParagraph(k);   
		                    String s = para.text();   
		                    System.out.println(s);
		                } //end for    
		            }   //end for
		        }   //end for
		    } //end while
		}catch(Exception e){
			e.printStackTrace();
		}
	}//end method
	
	
           public void testWord1(){
           try {   
            //word 2003： 图片不会被读取   
            InputStream is = new FileInputStream(new File("D:\\sinye.doc"));   
                  WordExtractor ex = new WordExtractor(is);   
                  String text2003 = ex.getText();   
                  System.out.println(text2003);   
            //word 2007 图片不会被读取， 表格中的数据会被放在字符串的最后   
            OPCPackage opcPackage = POIXMLDocument.openPackage("D:\\sinye.doc");   
                  POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);   
                  String text2007 = extractor.getText();   
                  System.out.println(text2007);   
               
        } catch (Exception e) {   
                  e.printStackTrace();   
        } 
    }
}

 

评论

9 楼 boboaixiaoyun 2015-04-10  

我用的你的代码，第一次导入数据还挺正常，但以后都报内存的错误java.lang.OutOfMemoryError: Java heap space

8 楼 wangyu1221 2011-01-22  

我孤陋寡闻了，原来poi还能读word……我都只用poi来写excel的报表

7 楼 苹果超人 2011-01-21  

如果文档的前面有一段文字，下面才是表格，poi能直接定位到表格吗？

6 楼 Mr.Cheney 2010-08-26  

请问 ：读取出来的表格里面的内容，都是没有格式的，如何解决 区分出来主栏 宾栏 公共区 数据区。 愁 着呢 还有读取图片

5 楼 sinye 2010-04-06  

renyy 写道

Lz你好，在使用你事例代码时发现如果表格中数据不是中文时在输出时为出现“”这种不能识别的字符，请问有没有解决方案呢？例如，有一个2行2列的表格，数据如下：
aa 中文没问题
bb GC231

输出为  aa.中文没问题..bb.GC231

GC231后面的标志怎么处理呢？(它的值不是特定的)

请试着在你取出的数据后面用trim()方法截取一下，我出现过这种问题，trim()后就好了！

4 楼 renyy 2010-04-04  

Lz你好，在使用你事例代码时发现如果表格中数据不是中文时在输出时为出现“”这种不能识别的字符，请问有没有解决方案呢？例如，有一个2行2列的表格，数据如下：
aa 中文没问题
bb GC231

输出为  aa.中文没问题..bb.GC231

GC231后面的标志怎么处理呢？(它的值不是特定的)

3 楼 lkj107 2010-02-24  

poi之前好一阵没有人维护word部分了，apache的poi介绍也在招poi的维护，后来看到支持2007了，能够满足一些很基本的功能
介绍说因为word不是开源的，建议学习openOffice的代码再去帮apache做开发

2 楼 shappy1978 2010-02-09  

应该说基本够用了，起码基础的数据都解析出来了，需要我们在上面再努力一把。
2007的支持就相当弱了，除了表格没定位，修订内容没定位，宏替换处理的不好还有相当多的问题，看源码里面相当多的todo就知道了

1 楼 zcy860511 2010-02-05  

曾经为一个小公司做一个生成word的项目，当时发现了POI，但是经过测试功能完全不够用，所以没有使用，最后使用的JNI实现VBA本地调用。

很久没关注这个项目了，不知道更新的怎么样了，看楼主的写法似乎POI更新了？额。。。有空去看看这个项目怎么样了