用Java輕松讀取Word文檔內(nèi)容的常用方法

更新時間：2025年03月19日 08:47:31 作者：五行星辰

這篇文章主要介紹了用Java輕松讀取Word文檔內(nèi)容的常用方法,對于doc格式使用Apache?POI庫中的HWPFDocument和WordExtractor類,對于docx格式使用XWPFDocument類,并通過遍歷段落和文本運行對象來提取文本內(nèi)容,需要的朋友可以參考下

前言

在 Java 開發(fā)里，有時候咱得讀取 Word 文檔里的內(nèi)容，這在處理合同、報告等文件時特別有用。咱可以根據(jù) Word 文檔的格式，用不同的庫來實現(xiàn)讀取功能。下面就詳細說說 .doc 和 .docx 這兩種常見格式文檔的讀取方法。

1. 讀取 .doc 格式的 Word 文檔

引入依賴

如果用 Maven 管理項目，在 pom.xml 里添加 Apache POI 的依賴：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>5.2.3</version>
</dependency>

代碼示例

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

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

public class ReadDocFile {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.doc")) {
            // 創(chuàng)建 HWPFDocument 對象來表示 .doc 文檔
            HWPFDocument document = new HWPFDocument(fis);
            // 創(chuàng)建 WordExtractor 對象用于提取文檔內(nèi)容
            WordExtractor extractor = new WordExtractor(document);
            // 獲取文檔的文本內(nèi)容
            String content = extractor.getText();
            System.out.println(content);
        } catch (IOException e) {
            e.printStackTrace();
            System.out.println("讀取 .doc 文件失?。? + e.getMessage());
        }
    }
}

代碼解釋

FileInputStream fis = new FileInputStream("example.doc")：創(chuàng)建一個文件輸入流，用來讀取 example.doc 文件。
HWPFDocument document = new HWPFDocument(fis)：用 HWPFDocument 類創(chuàng)建一個文檔對象，它能處理 .doc 格式的文檔。
WordExtractor extractor = new WordExtractor(document)：創(chuàng)建 WordExtractor 對象，它可以從文檔對象里提取文本內(nèi)容。
String content = extractor.getText()：調(diào)用 getText() 方法獲取文檔的全部文本內(nèi)容，然后打印出來。

2. 讀取 .docx 格式的 Word 文檔

引入依賴

同樣在 pom.xml 里添加 Apache POI 的依賴：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>

代碼示例

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;

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

public class ReadDocxFile {
    public static void main(String[] args) {
        try (FileInputStream fis = new FileInputStream("example.docx")) {
            // 創(chuàng)建 XWPFDocument 對象來表示 .docx 文檔
            XWPFDocument document = new XWPFDocument(fis);
            StringBuilder content = new StringBuilder();
            // 遍歷文檔中的每個段落
            for (XWPFParagraph paragraph : document.getParagraphs()) {
                // 遍歷段落中的每個文本運行對象
                for (XWPFRun run : paragraph.getRuns()) {
                    content.append(run.getText(0));
                }
                content.append("\n");
            }
            System.out.println(content.toString());
        } catch (IOException e) {
            e.printStackTrace();
            System.out.println("讀取 .docx 文件失敗：" + e.getMessage());
        }
    }
}

代碼解釋

FileInputStream fis = new FileInputStream("example.docx")：創(chuàng)建文件輸入流讀取 example.docx 文件。
XWPFDocument document = new XWPFDocument(fis)：用 XWPFDocument 類創(chuàng)建文檔對象，它專門處理 .docx 格式的文檔。
通過兩層循環(huán)，外層遍歷文檔里的每個段落，內(nèi)層遍歷段落里的每個文本運行對象，把文本內(nèi)容添加到 StringBuilder 里，最后打印出來。

嘿，朋友們！有了上面的方法，咱就能用 Java 輕松讀取不同格式的 Word 文檔內(nèi)容啦。趕緊動手試試，讓你的程序也能和 Word 文檔“交流”起來！