Apache POI：-從DOC文件獲取標題

Question

我搞砸了apache poi來操縱word文檔。 有什么方法可以從文檔文件中獲取標題嗎？ 我可以從文檔中獲取純文本，但是我需要區分文檔中的所有標題嗎？ apache poi api中是否有任何功能可用於僅從ms word文件中獲取標題？

Answer 1

對答案發表評論

有兩種方法可以在Word中創建“標題”。 “正確”的方式，以及大多數人似乎采用的方式...

1. 在樣式下拉列表中，選擇適當的標題樣式，編寫文本，然后返回到下一行的普通段落樣式

2. 突出顯示一行，並增大字體大小+使其加粗或斜體

如果您的用戶正在執行＃2，則基本上沒有確定標題的真正希望。 缺少編寫一些模糊匹配邏輯來嘗試發現字體大小跳變的方法，這真是太不幸了

對於＃1，在Apache POI中相當簡單。 您要做的就是獲取適用於段落的樣式的樣式描述，然后獲取樣式的名稱。 如果以“ Heading （不區分大小寫）開頭，則說明您已找到標題。 獲取該段落的文本，然后繼續瀏覽文檔。

如果您查看基於POI構建的Apache Tika MS-Word解析器 ，那么您將看到一個很好的示例，該示例遍歷段落並檢查樣式

Answer 2

正如Gagravarr所說：

對於＃1，在Apache POI中相當簡單。 您要做的就是獲取適用於段落的樣式的樣式描述，然后獲取樣式的名稱。 如果以“標題”（不區分大小寫）開頭，則說明您已找到標題。 獲取該段落的文本，然后繼續瀏覽文檔。

使用像這樣的Apache POI代碼：

        File f=new File("test.docx");
        FileInputStream fis = new FileInputStream(f);
        XWPFDocument xdoc=new XWPFDocument(OPCPackage.open(fis));
        XWPFStyles styles=xdoc.getStyles();         
        List<XWPFParagraph> xwpfparagraphs =xdoc.getParagraphs();
        System.out.println();
        for(int i=0;i<xwpfparagraphs.size();i++)
        {
            System.out.println("paragraph style id "+(i+1)+":"+xwpfparagraphs.get(i).getStyleID());                         
            if(xwpfparagraphs.get(i).getStyleID()!=null)
            {
                String styleid=xwpfparagraphs.get(i).getStyleID();
                XWPFStyle style=styles.getStyle(styleid);
                if(style!=null)
                {
                    System.out.println("Style name:"+style.getName());
                    if(style.getName().startsWith("heading"))
                    {
                        //this is a heading
                    }
                }

            }


        }

Answer 3

至少對於HWPF（即舊的二進制doc格式）而言，如果文件格式正確（因此在其他答案中輸入＃1），則不應僅依賴樣式名稱-實際上，這可能與語言有關值（英語中的“標題”，法語中的“滴度”等）。

Paragraph.getLvl（）編碼相應段落在Word的大綱視圖中顯示的級別 ，通常是很好的輔助來源。 1表示最高有效級別，所有后續數字（最多8代表標題不太重要的候選人，而9是Word默認情況下分配給普通（非標題）段落的值。