如何用Java读取Word表格中的文本和图片

在处理Word文档时，尤其是包含表格和图片的文档，Java开发者常常需要从这些表格中提取文本和图片。本文将介绍如何使用Apache POI库来实现这一功能。

1. 准备工作

首先，确保你的项目中已经添加了Apache POI库的依赖。如果你使用的是Maven项目，可以在pom.xml中添加以下依赖：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml-schemas</artifactId>
    <version>4.1.2</version>
</dependency>
<dependency>
    <groupId>org.apache.xmlbeans</groupId>
    <artifactId>xmlbeans</artifactId>
    <version>5.1.1</version>
</dependency>

2. 读取Word文档中的表格

Apache POI库提供了XWPFDocument类来处理.docx格式的Word文档。我们可以通过以下步骤来读取表格中的文本：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFTableRow;

import java.io.FileInputStream;
import java.io.IOException;

public class WordTableReader {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.docx")) {
            XWPFDocument document = new XWPFDocument(fis);

            // 获取文档中的所有表格
            for (XWPFTable table : document.getTables()) {
                // 遍历表格中的每一行
                for (XWPFTableRow row : table.getRows()) {
                    // 遍历行中的每一个单元格
                    for (XWPFTableCell cell : row.getTableCells()) {
                        // 获取单元格中的文本
                        String text = cell.getText();
                        System.out.println(text);
                    }
                }
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

3. 读取Word文档中的图片

Word文档中的图片通常以嵌入的方式存储在文档中。我们可以通过以下步骤来提取这些图片：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFPictureData;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.List;

public class WordImageExtractor {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.docx")) {
            XWPFDocument document = new XWPFDocument(fis);

            // 获取文档中的所有图片
            List<XWPFPictureData> pictures = document.getAllPictures();

            for (XWPFPictureData picture : pictures) {
                // 获取图片的字节数据
                byte[] data = picture.getData();

                // 将图片保存到本地
                String fileName = "image_" + System.currentTimeMillis() + "." + picture.suggestFileExtension();
                try (FileOutputStream fos = new FileOutputStream(fileName)) {
                    fos.write(data);
                }
                System.out.println("图片已保存: " + fileName);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

4. 结合表格和图片的读取

在实际应用中，我们可能需要同时处理表格中的文本和图片。可以通过以下方式结合上述代码来实现：

import org.apache.poi.xwpf.usermodel.*;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.List;

public class WordTableAndImageReader {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.docx")) {
            XWPFDocument document = new XWPFDocument(fis);

            // 读取表格中的文本
            for (XWPFTable table : document.getTables()) {
                for (XWPFTableRow row : table.getRows()) {
                    for (XWPFTableCell cell : row.getTableCells()) {
                        String text = cell.getText();
                        System.out.println("单元格文本: " + text);

                        // 读取单元格中的图片
                        for (XWPFPicture picture : cell.getParagraphs().get(0).getRuns().get(0).getEmbeddedPictures()) {
                            XWPFPictureData pictureData = picture.getPictureData();
                            byte[] data = pictureData.getData();
                            String fileName = "image_" + System.currentTimeMillis() + "." + pictureData.suggestFileExtension();
                            try (FileOutputStream fos = new FileOutputStream(fileName)) {
                                fos.write(data);
                            }
                            System.out.println("图片已保存: " + fileName);
                        }
                    }
                }
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

5. 总结

通过使用Apache POI库，我们可以轻松地读取Word文档中的表格文本和图片。本文介绍了如何提取表格中的文本、如何提取文档中的图片，以及如何结合两者进行更复杂的处理。希望这些内容能帮助你在Java项目中更好地处理Word文档。