如何使用Apache Poi獲取a.docx文件的一頁內容？

Question

我正在嘗試使用 Apache Poi 讀取帶有樣式信息的 .docx 文件，這是我通過遍歷每個 XWPFParagraph 並使用段落內運行的所有 XWPFRun 來完成的。 現在我想獲取每個頁面的內容。 那么有沒有辦法獲取每個頁面的內容，或者是否有可能知道一個段落當前在哪個頁面？

這是一個 function，它采用 docx 文件的絕對路徑並返回一個字符串數組

        FileInputStream fis = new FileInputStream(absolutePath);

        XWPFDocument document = new XWPFDocument(fis);

        List<IBodyElement> bodyElements = document.getBodyElements();

        List<String> textList = new ArrayList<>();

        /*  I want to add some kind of outer loop here for each page
            and at the end of that loop I want to add a "<hr/>" tag in the textList
        */
        for (IBodyElement bodyElement : bodyElements) {                 // Looping through paragraphs
           if (bodyElement.getElementType() == BodyElementType.PARAGRAPH) {
                XWPFParagraph paragraph = (XWPFParagraph) bodyElement;
                
                String textToAdd = parseParagraph(paragraph); //custom funtion to handle paragraphs


                textList.add(textToAdd);

            } 
        }
        document.close();
        return textList.toArray(new String[0]);

如您所見，我的目標是在每個頁面后添加一個<hr/>標記。 所以，如果我能以某種方式獲得段落的頁碼或循環瀏覽頁面，我將能夠做到這一點。
如果您知道任何其他可能有幫助的方法，請提及。

Answer 1

要從XWPFDocument獲取頁數（對於您的外循環），您可以執行以下操作：

XWPFDocument docx = new XWPFDocument(POIXMLDocument.openPackage(YOUR_FILE_PATH));

int numOfPages = docx.getProperties().getExtendedProperties().getUnderlyingProperties().getPages();

對於您的段落文本，

for (XWPFParagraph p : document.getParagraphs()) {
    System.out.println(p.getParagraphText()); // YOUR PARAGRAPH TEXT
}