java读取word⽂档，提取标题和内容的实例
使⽤的⼯具为poi，需要导⼊的依赖如下
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>3.17</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.17</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>3.17</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>ooxml-schemas</artifactId>
<version>1.1</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>3.17</version>
</dependency>
我采⽤的分离⽅式是根据字体⼤⼩判断。寻字体⼤⼩和下⼀段⼤⼩不同的段落，再⼀次判断第⼆段和后边的是否相同，相同则继续，不同则输出标题和内容。
因为有的⽂档中存在多个标题，所以我在开始加了判断，如果连续三个段落的字体⼤⼩递减则该段落跳过。
⽽且⽂章存在⽬录，经过测试发现⽬录的String中都包含了“HYPERLINK” 所以如果段落中包含该字符串则跳过。
代码如下：
package st;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
import Matcher;
import Pattern;
import org.apache.poi.POIXMLDocument;
import org.apache.poi.POIXMLTextExtractor;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.actor.WordExtractor;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.apache.actor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
del.Policy_content;
public class GetWord {
public static void main(String[] args) {
// TODO Auto-generated method stub
try {
List<Policy_content> list = new ArrayList<>();
InputStream is = new FileInputStream(new File("⽂件路径")); //需要将⽂件路更改为word⽂档所在路径。
POIFSFileSystem fs = new POIFSFileSystem(is);
HWPFDocument document = new HWPFDocument(fs);
Range range = Range();
CharacterRun run1 = null;//⽤来存储第⼀⾏内容的属性
CharacterRun run2 = null;//⽤来存储第⼆⾏内容的属性
int q=1;
for (int i = 0; i < range.numParagraphs()-1; i++) {
Paragraph para1 = Paragraph(i);// 获取第i段
Paragraph para2 = Paragraph(i+1);// 获取第i段
int t=i;    //记录当前分析的段落数
String paratext1 = ().trim().replaceAll("\r\n", ""); //当前段落和下⼀段
String paratext2 = ().trim().replaceAll("\r\n", "");
CharacterRun(0);
CharacterRun(0);
if (paratext1.length() > 0&¶text2.length() > 0) {
//这个if语句为的是去除⼤标题，连续三个段落字体⼤⼩递减就跳过
FontSize()&FontSize()&&FontSize()&Paragraph(i+2).getCharacterRun(0).getFontSize()) {      continue;
}
//连续两段字体格式不同
FontSize()&FontSize()) {
String content=paratext2;
run1=run2; //从新定位run1 run2
Paragraph(t+2).getCharacterRun(0);
t=t+1;
FontSize()==FontSize()) {
//连续的相同
content+=Paragraph(t+1).text().trim().replaceAll("\r\n", "");
run1=run2;
Paragraph(t+2).getCharacterRun(0);
t++;
}
if(paratext1.indexOf("HYPERLINK")==-1&&content.indexOf("HYPERLINK")==-1) {
System.out.println(q+"标题"+paratext1+"\t内容"+content);
i=t;
q++;
}
}
}
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
补充知识：Java poi导⼊word⽂件提取内容
⼀、需求描述
java web项⽬从前台上传word格式⽂件，后台接收⽂件并提取word内容保存⾄数据库。
⼆、依赖jar包
这⾥操作的是maven项⽬，所有依赖jar包均可到maven仓库进⾏免费下载。具体如下：
三、后台代码
这⾥的java_web项⽬采⽤SpringMVC的内置⽂件上传⽅式进⾏接收解析，具体如下：
/**
mvc实例* 提取word⽂件内容
* @param file
* @param request
* @return
* @throws IOException
* @throws IllegalStateException
*/
@RequestMapping(value = "/getPapers", method = RequestMethod.POST, produces = { "text/html;charset=utf-8" })
@ResponseBody
private Object getPapers(@RequestParam("file") MultipartFile multfile，HttpServletRequest request) throws IllegalStateException, IOException {
// 获取⽂件名
String fileName = OriginalFilename();
//判断是否为word类型⽂件
if (!dsWith(".doc") && !dsWith(".docx")) {
System.out.println("此⽂件不是word⽂件！");
}
//当前系统的临时⽂件地址
String realPath = Session().getServletContext().getRealPath("/static/app/appkmbgszh/uploadFile");
// ⽤uuid作为⽂件名，防⽌⽣成的临时⽂件重复
String fileAdd = UUID.randomUUID().toString() + ".docx";
// 构建⼀个临时⽂件
File uploadFile = new File(realPath, fileAdd);
//将上传的MultipartFile格式⽂件转换为创建的新⽂件
//获取新⽂件的绝对路径
String filePath = AbsolutePath();
String buffer = "";
JSONObject msg = new JSONObject();
try {
InputStream inIo = new FileInputStream(uploadFile);
//提取⽂本内容
if (dsWith(".doc")) {
WordExtractor ex = new WordExtractor(inIo);
buffer = ex.getText();
ex.close();
} else if (dsWith(".docx")) {
OPCPackage opcPackage = POIXMLDocument.openPackage(filePath);
POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);
buffer = Text();
extractor.close();
}
//删除上传存放的临时⽂件
uploadFile.delete();
msg.put("status", true);
msg.put("msg", buffer);
} catch (Exception e) {
e.printStackTrace();
msg.put("status", false);
msg.put("msg", "⽂件内容提取失败");
}
return retString(msg);
}
/**
* json格式化;
* @param ret
* @return
*/
private String retString(JSONObject ret) {
String jsoStr = "";
try {
jsoStr = JSON.json(ret);
} catch (IOException e) {
e.printStackTrace();
return jsoStr;
}
return jsoStr;
}
以上这篇java读取word⽂档，提取标题和内容的实例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。