POI系列之根据样式识别word内容和标题

业务场景：最近接到需求，想实现将一份word文档，其中特定的文本内容获取出来，首先想到两种方法，一种是通过OCR技术，一种是通过模板占位符。

虽然想起来好像是可以实现的，不过ocr技术自己要在短时间实现是不太现实的，要用第三方的会加重项目成本。然后思路是想通过先固定特定的模板，通过一些占位符技术去实现，想法可以，也有在一些付费的第三方应用里看到过，不过实现起来也没那么容易，特别是想要在一两天内实现，时间太紧促了，所以只能通过一种小技巧绕过，方法虽然可行，不过不是好的方法

这种方法是先约定模板，要筛选出来的文本固定一种特定的样式，然后通过通过程序识别出这种文本，还有一种方法是通过书签，不过网上搜到有第三方jar是要收费的，就不描述了

poi-ooxml是word文档需要的

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) { //获取段落中的句列表 List runsLists = p.getRuns(); for (XWPFRun runs : runsLists) { //获取句的字体颜色 String c = runs.getColor(); //获取句中字的大小 int f = runs.getFontSize(); //获取文本内容 String s = runs.getText(0); // 字体为16的黑色字体都筛选出来 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：本博客内容比较简单，只是自己做下记录，有时间再探讨一下实现，网上实现的很多都是付费的，不建议用本博客的方法，本博客只是自己做下笔记

OCR

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。