内容摘要：本文转载自微信公众号「JAVA日知录」，作者单一色调。转载本文请联系JAVA日知录公众号。不能每天都发鸡汤呀，今天分享一篇开发实战。业务需求我们有这样一个需求，需要抽取出WORD文档中的内容，然后组装

本文转载自微信公众号「JAVA日知录」，实战作者单一色调。包含表格转载本文请联系JAVA日知录公众号。实战

不能每天都发鸡汤呀，包含表格今天分享一篇开发实战。实战

业务需求

我们有这样一个需求，包含表格需要抽取出WORD文档中的实战内容，然后组装成特定的包含表格json格式发送给第三方引擎接口，输入协议如下：

{      "tables": [         {              "cells": [                 {                      "col": 1,实战                     "row_span": 1,                     "row": 1,                     "col_span": 1,                     "content": "车辆名称"                 }             ],             "id": 0,             "row_num": 2         }     ],     "paragraps": [         {              "para_id": 1,             "content": "Hello,JAVA日知录"         }     ] } 

这个输入格式一看就是需要我们分段落和表格读取word中的内容，既然需求已定，包含表格那就直接开始动手写代码吧。实战

基于POI实现

把 “java如何读取word” 拿到百度去搜索，包含表格答案基本都是实战利用POI来实现。当然利用POI确实可以实现按段落和表格提取出内容并组装成上述格式，包含表格但是实战在实践过程中有下面2个问题：

需要分别处理两种格式docx、云服务器提供商docPOI使用不同的API来读取docx和doc，所以读取逻辑我们需要编写两次。

POI读取doc的段落时会把表格的内容也读取出来 这个问题比较坑，poi有单独的方法读取文档中所有表格，但是在读取doc格式段落文档的时候会把表格内容也读取出来，所以我们需要用如下方法排除掉表格：

//读取doc HWPFDocument doc = new HWPFDocument(stream); Range range = doc.getRange(); //读取段落 int num = range.numParagraphs(); Paragraph para; for (int i=0; i<num; i++) {      para = range.getParagraph(i);     //排除表格内容     if (!para.isInTable()) {          System.out.println(para.text());     } } 

考虑以上两种原因，我们最后并没有采取POI来实现word内容提取功能，而是采用第二种方法，即利用 Spire.Doc for Java 来实现。

Spire.Doc for Java

Spire.Doc for Java 是一款专业的 Java Word 组件，开发人员使用它可以轻松地将 Word 文档创建、高防服务器读取、编辑、转换和打印等功能集成到自己的 Java 应用程序中。

作为一款完全独立的组件，Spire.Doc for Java 的运行环境无需安装 Microsoft Office。官网地址是 https://www.e-iceblue.cn/，我们项目中使用的开源免费版。

首先我们修改maven仓库地址

<repositories>     <repository>         <id>com.e-iceblue</id>         <url>http://repo.e-iceblue.com/nexus/content/groups/public/</url>     </repository> </repositories> 

引入对应的jar包

<dependency>     <groupId>e-iceblue</groupId>     <artifactId>spire.doc.free</artifactId>     <version>3.9.0</version> </dependency> 

读取word，这里展示的是测试类

public class SpireApplication {      public static void main(String[] args) {          String path = "D:\\testDoc22.doc";         spireParaghDoc(path);         spireForTableOfDoc(path);      }     //读取段落     public static void spireParaghDoc(String path) {          Document doc = new Document(path);         for (int i = 0; i < doc.getSections().getCount(); i++) {              Section section = doc.getSections().get(i);             for (int j = 0; j < section.getParagraphs().getCount(); j++) {                  Paragraph paragraph = section.getParagraphs().get(j);                 System.out.println(paragraph.getText());             }         }     }     //读取表格     public static void spireForTableOfDoc(String path) {          Document doc = new Document(path);         for (int i = 0; i < doc.getSections().getCount(); i++) {              Section section = doc.getSections().get(i);             for (int j = 0; j < section.getBody().getChildObjects().getCount(); j++) {                  DocumentObject obj = section.getBody().getChildObjects().get(j);                 if (obj.getDocumentObjectType() == DocumentObjectType.Table) {                      Table table = (Table) obj;                     for (int k = 0; k < table.getRows().getCount(); k++) {                          TableRow rows = table.getRows().get(k);                         for (int p = 0; p < rows.getCells().getCount(); p++) {                              for (int h = 0; h < rows.getCells().get(p).getParagraphs().getCount(); h++) {                                  Paragraph f = rows.getCells().get(p).getParagraphs().get(h);                                 System.out.println(f.getText());                             }                         }                     }                 }             }         }     } } 

通过上面代码我们就可以按段落和表格读取WORD中的内容，而后根据系统业务要求的格式进行封装即可。服务器租用