Обработка двоичных документов Microsoft Word

Начало работы с Apache POI HWPF

Прежде всего, в вашей системе должен быть установлен Java Development Kit (JDK). Если он у вас уже есть, перейдите на страницу загрузки Apache POI, чтобы получить последнюю стабильную версию в архиве. Извлеките содержимое ZIP-файла в любой каталог, откуда необходимые библиотеки могут быть связаны с вашей программой Java. Это все!

Ссылка на Apache POI в вашем Java-проекте на основе Maven еще проще. Все, что вам нужно, это добавить следующую зависимость в ваш pom.xml и позволить вашей среде IDE извлекать и ссылаться на файлы Jar Apache POI.

<!-- https://mvnrepository.com/artifact/org.apache.poi/poi -->
  <dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>4.0.0</version>
  </dependency>
  

Создание и изменение документов Word с помощью API Java

Apache POI HWPF позволяет программистам создавать новые документы Word в форматах файлов DOC. API также позволяет разработчикам изменять существующие документы Word в соответствии со своими потребностями. API также поддерживает добавление абзаца в документ Word, применение выравнивания текста и стилей шрифта и многое другое.

// open an empty doc file, using APACHE POI we cannot create .doc file format from scratch
HWPFDocument doc = new HWPFDocument(new FileInputStream("empty.doc"));
Range range = doc.getRange();
// inset text
CharacterRun run = range.insertAfter("File Format Developer Guide - " +
"Learn about computer files that you come across in " +
"your daily work at: www.fileformat.com ");
OutputStream out = new FileOutputStream("document.pdf");
// save document
doc.write(out);
out.close();

Преобразование документов Word в другие форматы с помощью Java

pache POI HWPF позволяет разработчикам программного обеспечения с легкостью конвертировать документы Microsoft Word в любые поддерживаемые форматы файлов. На данный момент разработчики Java могут конвертировать документы Word в форматы HTML, FO и Text. Пакет org.apache.poi.hwpf.converter содержит преобразователи Word в HTML и Word в FO.

// load document
HWPFDocumentCore wordDocument = WordToHtmlUtils.loadDoc(new FileInputStream("document.doc"));
Document newDocument = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();
// initialize WordToHtmlConverter
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(newDocument );
// process document
wordToHtmlConverter.processDocument( wordDocument );
StringWriter stringWriter = new StringWriter();
Transformer transformer = TransformerFactory.newInstance().newTransformer();
transformer.setOutputProperty( OutputKeys.INDENT, "yes" );
transformer.setOutputProperty( OutputKeys.ENCODING, "utf-8" );
transformer.setOutputProperty( OutputKeys.METHOD, "html" );
transformer.transform(
    new DOMSource( wordToHtmlConverter.getDocument() ),
    new StreamResult( stringWriter ) );
// get html
String html = stringWriter.toString();

Чтение текста из файла DOC

Apache POI HWPF предоставляет класс WordExtractor для чтения текста из файлов формата Microsoft Word DOC. Вы можете извлечь текст из файла всего несколькими строками кода.

// load DOC file
FileInputStream fis = new FileInputStream(new File("document.doc"));
// open file
HWPFDocument doc = new HWPFDocument(fis);
// read text
WordExtractor extractor = new WordExtractor(doc);
// display text
System.out.println(extractor.getText());

Добавить пользовательский верхний и нижний колонтитулы в DOC

Apache POI HWPF позволяет разработчикам Java создавать собственные верхние и нижние колонтитулы внутри документов Word. Apache POI HWPF описывается как «умеренно функциональный». Он обеспечивает поддержку базового извлечения текста, извлечения специального текста, доступа к верхним и нижним колонтитулам и изменения функций текста. Метод getText() можно использовать для получения текста из всех абзацев или метод getParagraphText() для извлечения текста из каждого абзаца по очереди. 

// The path to the documents directory.
String dataDir = Utils.getDataDir(ApacheHeaders.class);
POIFSFileSystem fs = null;
fs = new POIFSFileSystem(new FileInputStream(dataDir + "MyHeader.doc"));
HWPFDocument doc = new HWPFDocument(fs);
int pageNumber = 1;
HeaderStories headerStore = new HeaderStories(doc);
String header = headerStore.getHeader(pageNumber);
System.out.println("Header Is: " + header);