Apache POI：如何在Java中从Word文档（docx）中提取一个段落和随后的表格

Question

Apache POI：如何在Java中从Word文档（docx）中提取一个段落和随后的表格

8

我有一堆word文档(docx)，其中包含测试用例名称作为段落标题，随后的表格中包含测试步骤和其他信息。

我需要使用Apache POI从表格中提取测试用例名称(从段落中)和测试步骤。

示例word内容如下：

Section 1: Index
Section 2: Some description
    A. Paragraph 1
    B. Table 1
    C. Paragraph 2
    D. Paragraph 3
    E. Table 2
Section 3: test cases ( The title "test cases" is constant, so I can look for it in the doc)
    A. Paragraph 4 (First test case)
    B. Table 3 (Test steps table immediately after the para 4)
    C. Paragraph 5 (Second test case)
    B. Table 4 (Test steps table immediately after the para 5)

Apache POI提供API以给出段落和表格列表，但是我无法读取段落（测试用例）并立即查找接下来的表格。

我尝试使用XWPFWordExtractor（读取所有文本），bodyElementIterator（迭代所有正文元素），但大多数都给出getParagraphText()方法，该方法以列表形式给出段落[para1，para2，para3，para4， para5]和getTables()方法，该方法将文档中的所有表格作为列表[table1，table2，table3，table4]给出。

如何遍历所有段落，在标题“测试用例”（第4段）之后停止，然后查找紧随第4段之后的表格（第3个表格）。然后对段落5和表格4重复此操作。

这里是我尝试的代码链接，它提供了段落和表格列表，但不是我可以跟踪的顺序。

非常感谢您的任何帮助。

- Sauchin

2个回答

0

我能想到的唯一解决方案是使用单词提取器，将来自该提取器的段落内容与 XWPFDocument 的 getParagraphArray 进行比较，然后通过比较提取器和 getTables() 的内容来定位表格。

- JavaGuy

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- jmarkmurphy · Accepted Answer

在POI中，Word API仍在变化中且存在漏洞，但您应该能够通过以下两种方式之一迭代段落：

在POI中，Word API仍在变动中，且有些bug，但您可以通过以下两种方式之一来迭代一个段落：

XWPFDocument doc = new XWPFDocument(fis);
List<XWPFParagraph> paragraphs = doc.getParagraphs();
for (XWPFParagraph p : paragraphs) {
   ... do something here
}

或者

XWPFDocument doc = new XWPFDocument(fis);
Iterator<XWPFParagraph> iter = doc.getParagraphsIterator();
while (iter.hasNext()) {
   XWPFParagraph p = iter.next();
   ... do something here
}

Javadocs中说XWPFDocument.getParagraphs()会检索包含页眉或页脚文本的段落，但我相信这是复制粘贴错误，因为XWPFHeaderFooter.getParagraphs()也是如此。查看源代码，XWPFDocument.getParagraphs()返回一个不可修改的列表，而使用迭代器则可使段落可修改。这可能会在未来发生变化，但现在它是这样运行的。

要检索所有正文元素（段落和表格）的列表，您需要使用：

XWPFDocument doc = new XWPFDocument(fis);
Iterator<IBodyElement> iter = doc.getBodyElementsIterator();
while (iter.hasNext()) {
   IBodyElement elem = iter.next();
   if (elem instanceof XWPFParagraph) {
      ... do something here
   } else if (elem instanceof XWPFTable) {
      ... do something here
   }
}

这将允许您按顺序循环遍历所有的body元素。