POI系列之根據樣式識別word內容和標題

業務場景：最近接到需求，想實現將一份word文檔，其中特定的文本內容獲取出來，首先想到兩種方法，一種是通過OCR技術，一種是通過模板占位符。

雖然想起來好像是可以實現的，不過ocr技術自己要在短時間實現是不太現實的，要用第三方的會加重項目成本。然后思路是想通過先固定特定的模板，通過一些占位符技術去實現，想法可以，也有在一些付費的第三方應用里看到過，不過實現起來也沒那么容易，特別是想要在一兩天內實現，時間太緊促了，所以只能通過一種小技巧繞過，方法雖然可行，不過不是好的方法

這種方法是先約定模板，要篩選出來的文本固定一種特定的樣式，然后通過通過程序識別出這種文本，還有一種方法是通過書簽，不過網上搜到有第三方jar是要收費的，就不描述了

poi-ooxml是word文檔需要的

3.9 org.apache.poi poi ${poi.version} org.apache.poi poi-ooxml ${poi.version}

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 paragraphs = document.getParagraphs(); for (XWPFParagraph p : paragraphs) { //獲取段落中的句列表 List runsLists = p.getRuns(); for (XWPFRun runs : runsLists) { //獲取句的字體顏色 String c = runs.getColor(); //獲取句中字的大小 int f = runs.getFontSize(); //獲取文本內容 String s = runs.getText(0); // 字體為16的黑色字體都篩選出來 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：本博客內容比較簡單，只是自己做下記錄，有時間再探討一下實現，網上實現的很多都是付費的，不建議用本博客的方法，本博客只是自己做下筆記

OCR

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。