java Apache poi 对word doc文件进行读写操作

使用POI读写Word doc文件

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 HwpfTest {

  @SuppressWarnings("deprecation")
  @Test
  public void testReadByExtractor() throws Exception {
   InputStream is = new FileInputStream("D:\\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
   this.printInfo(extractor.getDocSummaryInformation());
   this.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 printInfo(DocumentSummaryInformation info) {
   //分类
   System.out.println(info.getCategory());
   //公司
   System.out.println(info.getCompany());
  }

  /**
  * 关闭输入流
  * @param is
  */
  private 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 {

  @Test
  public 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range
   Range 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");
  }

}

2       写word doc文件

在使用POI写word doc文件的时候我们必须要先有一个doc文件才行，因为我们在写doc文件的时候是通过HWPFDocument来写的，而HWPFDocument是要依附于一个doc文件的。所以通常的做法是我们先在硬盘上准备好一个内容空白的doc文件，然后建立一个基于该空白文件的HWPFDocument。之后我们就可以往HWPFDocument里面新增内容了，然后再把它写入到另外一个doc文件中，这样就相当于我们使用POI生成了word doc文件。

在实际应用中，我们在生成word文件的时候都是生成某一类文件，该类文件的格式是固定的，只是某些字段不一样罢了。所以在实际应用中，我们大可不必将整个word文件的内容都通过HWPFDocument生成。而是先在磁盘上新建一个word文档，其内容就是我们需要生成的word文件的内容，然后把里面一些属于变量的内容使用类似于“${paramName}”这样的方式代替。这样我们在基于某些信息生成word文件的时候，只需要获取基于该word文件的HWPFDocument，然后调用Range的replaceText()方法把对应的变量替换为对应的值即可，之后再把当前的HWPFDocument写入到新的输出流中。这种方式在实际应用中用的比较多，因为它不但可以减少我们的工作量，还可以让文本的格式更加的清晰。下面我们就来基于这种方式做一个示例。

假设我们现在拥有一些变动的信息，然后需要通过这些信息生成如下格式的word doc文件：

那么根据上面的描述，首先第一步，我们建立一个对应格式的doc文件作为模板，其内容是这样的：

有了这样一个模板之后，我们就可以建立对应的HWPFDocument，然后替换对应的变量为相应的值，再把HWPFDocument输出到对应的输出流即可。下面是对应的代码。

public class HwpfTest {

  @Test
  public void testWrite() throws Exception {
   String templatePath = "D:\\word\\template.doc";
   InputStream is = new FileInputStream(templatePath);
   HWPFDocument doc = new HWPFDocument(is);
   Range range = doc.getRange();
   //把range范围内的${reportDate}替换为当前的日期
   range.replaceText("${reportDate}", new SimpleDateFormat("yyyy-MM-dd").format(new Date()));
   range.replaceText("${appleAmt}", "100.00");
   range.replaceText("${bananaAmt}", "200.00");
   range.replaceText("${totalAmt}", "300.00");
   OutputStream os = new FileOutputStream("D:\\word\\write.doc");
   //把doc输出到输出流中
   doc.write(os);
   this.closeStream(os);
   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();
     }
   }
  }

  /**
  * 关闭输出流
  * @param os
  */
  private void closeStream(OutputStream os) {
   if (os != null) {
     try {
      os.close();
     } catch (IOException e) {
      e.printStackTrace();
     }
   }
  }

}

（注：本文是基于poi3.9所写）

感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！