poi提取word段落编号

作者: Zoo你好
来源: 51数据库
2020-04-21

1.如何样能让poi读取的word按原来的格式显示在页面

怎么样能让poi读取的word按原来的格式显示在页面因为poi读取word 没法读取到空格和回车.这个问题要如何解决呢poi java------解决方案--------------------public static void main(String[] args) { File file = new File("D:/test.doc"); try { FileInputStream fis = new FileInputStream(file); HWPFDocument hwpfd = new HWPFDocument(fis); WordExtractor wordExtractor = new WordExtractor(hwpfd); String[] paragraph = wordExtractor.getParagraphText(); for (int i = 0; i < paragraph.length;="" i++)="" {="" system.out.println(paragraph[i]);="" }}="" catch="" (filenotfoundexception="" e)="" {="" e.printstacktrace();="" }="" catch="" (ioexception="" e)="" {="" e.printstacktrace();="" }="">

2.Aspose.Words 如何获取word每个段落的编号或者项目符号

工具/原料

电脑装有Word2007软件

方法/步骤

1.加基本的项目符号

方法：选择多个段落，从“开始”菜单——段落中的项目符号，单击后面的倒三角，选择已有的符号单击即可

2.定义新项目符号

方法：选择多个段落，从“开始”菜单——段落中的项目符号，单击后面的倒三角，选择“定义新项目符号”，会打开“定义新项目符号”对话框

3.选择不同的符号

方法：选择多个段落，从“开始”菜单——段落中的项目符号，单击后面的倒三角，选择“定义新项目符号”，会打开“定义新项目符号”对话框，单击“符号”按钮，可以选择不同的符号

4.选择图片作符号

方法：选择多个段落，从“开始”菜单——段落中的项目符号，单击后面的倒三角，选择“定义新项目符号”，会打开“定义新项目符号”对话框，单击“图片”按钮，可以从电脑上选择不同的图片做符号

5.可以给符号设置颜色

方法：选择多个段落，从“开始”菜单——段落中的项目符号，单击后面的倒三角，选择“定义新项目符号”，会打开“定义新项目符号”对话框，单击“字体”按钮，打开“字体”对话框，选择字体颜色，单击确定

步骤阅读

3.Java POI 如何操作word 格式

1、环境支持 1.1 添加poi支持：包下载地址.ray.poi.util; import java.io.ByteArrayInputStream; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.IOException; import org.apache.poi.poifs.filesystem.DirectoryEntry; import org.apache.poi.poifs.filesystem.DocumentEntry; import org.apache.poi.poifs.filesystem.POIFSFileSystem; import org.textmining.text.extraction.WordExtractor；/** * 读写doc * @author wangzonghao * */ public class POIWordUtil { /** * 读入doc * @param doc * @return * @throws Exception */ public static String readDoc(String doc) throws Exception { // 创建输入流读取DOC文件 FileInputStream in = new FileInputStream(new File(doc)); WordExtractor extractor = null; String text = null； // 创建WordExtractor extractor = new WordExtractor（)； // 对DOC文件进行提取 text = extractor.extractText(in); return text； } /** * 写出doc * @param path * @param content * @return */ public static boolean writeDoc(String path, String content) { boolean w = false; try { // byte b[] = content.getBytes("ISO-8859-1"); byte b[] = content.getBytes(); ByteArrayInputStream bais = new ByteArrayInputStream(b); POIFSFileSystem fs = new POIFSFileSystem(); DirectoryEntry directory = fs.getRoot(); DocumentEntry de = directory.createDocument("WordDocument", bais); FileOutputStream ostream = new FileOutputStream(path); fs.writeFilesystem(ostream); bais.close(); ostream.close(); } catch (IOException e) { e.printStackTrace(); } return w； } } 测试 package com.ray.poi.util; import junit.framework.TestCase; public class POIUtilTest extends TestCase { public void testReadDoc() { try{ String text = POIWordUtil.readDoc("E:/work_space/poi/com/ray/poi/util/demo.doc"); System.out.println(text); }catch(Exception e){ e.printStackTrace(); } } public void testWriteDoc() { String wr; try { wr = POIWordUtil.readDoc("E:/work_space/poi/com/ray/poi/util/demo.doc"); boolean b = POIWordUtil.writeDoc("c:\\demo.doc",wr); } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } } }。

4.POI读取word文件怎样返回包含关键字的一行

给个思路吧。

读取word用doc4j，然后就是读成字符串进行处理了。提取关键字首先是中文分词技术，就是把一段话划分成多个组成的词语，然后统计词语的出现次数，这个是主要依据。

这个是有实现的jar包的，可以去baidu搜，搜java 中文分词就行。分词之后，记录词语出现位置，这个是辅助的依据，记录词语一句话中的位置，越靠前越像关键字，权重越高。

甚至可能需要建立一个权重体系，次数设置一个权重，整体位置设置一个权重，不同位置权重也不同。不了解权重可以理解成系数（百分比的，然后计算那个词是关键词）。

同时需要注意，可能需要排除一些常用词，哪些次需要排除，这个需要根据程序反复运行，读取不同word文章的结果来定。

5.Java 利用poi 可以直接读取word中的表格保持样式生成新的word么

1.读取word 2003及word 2007需要的jar包

读取 2003 版本（.doc）的word文件相对来说比较简单，只需要 poi-3.5-beta6-20090622.jar 和 poi-scratchpad-3.5-beta6-20090622.jar 两个 jar 包即可，而 2007 版本（.docx）就麻烦多，我说的这个麻烦不是我们写代码的时候麻烦，是要导入的 jar 包比较的多，有如下 7 个之多：

1. openxml4j-bin-beta.jar

2. poi-3.5-beta6-20090622.jar

3. poi-ooxml-3.5-beta6-20090622.jar

4 .dom4j-1.6.1.jar

5. geronimo-stax-api_1.0_spec-1.0.jar

6. ooxml-schemas-1.0.jar

7. xmlbeans-2.3.0.jar

其中 4-7 是 poi-ooxml-3.5-beta6-20090622.jar 所依赖的 jar 包（在 poi-bin-3.5-beta6-20090622.tar.gz 中的 ooxml-lib 目录下可以找到）。

2.换行符号

硬换行：文件中换行，如果是键盘中使用了"enter"的换行。

软换行：文件中一行的字符数容量有限，当字符数量超过一定值时，会自动切到下行显示。

对程序来说，硬换行才是可以识别的、确定的换行，软换行与字体大小、缩进有关。

3.读取的注意事项

值得注意的是： POI 在读取不会读取 word 文件中的图片信息；还有就是对于 2007 版的 word(.docx)，如果 word 文件中有表格，所有表格中的数据都会在读取出来的字符串的最后。

4.读取word文本内容代码

1 import java.io.File;

2 import java.io.FileInputStream;

3 import java.io.InputStream;

5 import org.apache.poi.POIXMLDocument;

6 import org.apache.poi.POIXMLTextExtractor;

7 import org.apache.poi.hwpf.extractor.WordExtractor;

8 import org.apache.poi.openxml4j.opc.OPCPackage;

9 import org.apache.poi.xwpf.extractor.XWPFWordExtractor;

11 public class Test {

12 public static void main(String[] args) {

13 try {

14 InputStream is = new FileInputStream(new File("2003.doc"));

15 WordExtractor ex = new WordExtractor(is);

16 String text2003 = ex.getText();

17 System.out.println(text2003);

19 OPCPackage opcPackage = POIXMLDocument.openPackage("2007.docx");

20 POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);

21 String text2007 = extractor.getText();

22 System.out.println(text2007);

24 } catch (Exception e) {

25 e.printStackTrace();

26 }

27 }

28 }

转载请注明出处51数据库 » poi提取word段落编号