POI系列之根据样式识别word内容和标题

业务场景：最近接到需求，想实现将一份word文档，其中特定的文本内容获取出来，首先想到两种方法，一种是通过OCR技术，一种是通过模板占位符。
虽然想起来好像是可以实现的，不过ocr技术自己要在短时间实现是不太现实的，要用第三方的会加重项目成本。然后思路是想通过先固定特定的模板，通过一些占位符技术去实现，想法可以，也有在一些付费的第三方应用里看到过，不过实现起来也没那么容易，特别是想要在一两天内实现，时间太紧促了，所以只能通过一种小技巧绕过，方法虽然可行，不过不是好的方法

这种方法是先约定模板，要筛选出来的文本固定一种特定的样式，然后通过通过程序识别出这种文本，还有一种方法是通过书签，不过网上搜到有第三方jar是要收费的，就不描述了

poi-ooxml是word文档需要的

<properties> <poi.version>3.9</poi.version>
</properties>

<dependencies> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>${poi.version}</version> </dependency> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-ooxml</artifactId> <version>${poi.version}</version> </dependency>
</dependencies>

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
 

import org.apache.poi.POIXMLDocument;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.model.StyleDescription;
import org.apache.poi.hwpf.model.StyleSheet;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;

import java.io.*;
import java.util.List;

public class WordUtils { public static void main(String[] args) throws Exception { String filePath = "D://test.docx"; printWord(filePath); } public static void printWord(String filePath) throws IOException { XWPFDocument document = new XWPFDocument(POIXMLDocument.openPackage(filePath)); List<XWPFParagraph> paragraphs = document.getParagraphs(); for (XWPFParagraph p : paragraphs) { //获取段落中的句列表 List<XWPFRun> runsLists = p.getRuns(); for (XWPFRun runs : runsLists) { //获取句的字体颜色 String c = runs.getColor(); //获取句中字的大小 int f = runs.getFontSize(); //获取文本内容 String s = runs.getText(0); // 字体为16的黑色字体都筛选出来 if (f == 16 && "000000".equals(c)) { System.out.println(s); } } } }
}


  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
 

ps：本博客内容比较简单，只是自己做下记录，有时间再探讨一下实现，网上实现的很多都是付费的，不建议用本博客的方法，本博客只是自己做下笔记

文章来源: smilenicky.blog.csdn.net，作者：smileNicky，版权归原作者所有，如需转载，请联系作者。

原文链接：smilenicky.blog.csdn.net/article/details/109378938