Apache POI： - 從DOC文件獲取標題

我在搞apache poi來操縱word文檔。有沒有辦法從doc文件中獲取標題？我能夠從文檔中獲取純文本，但我需要區分文檔文件中的所有標題？是在apache poi api中可用的任何函數只能從ms文件中獲取標題？Apache POI： - 從DOC文件獲取標題

來源

2013-10-30 Stunner

您是在尋找一種文本，其中應用了「標題1」的樣式，或者某些文本行的粗體+周圍點大於10點的算法，因此可能是某種標題？ – Gagravarr

兩者。基本上我需要從doc文件中檢索所有標題（小標題）。我不是基於字體大小和大膽編寫我們自己的算法，而是在API中尋找一種方法，該方法從doc文件中獲取所有標題。 – Stunner

POI可以告訴你哪些事物具有應用於他們的標題樣式，但是當人們不將它標記爲標題時，這並不會起作用，而只是增加字體大小...... – Gagravarr

推進的註釋來回答

有兩種方法做一個「標題」在Word中。「適當」的方式，並的方式，大多數人似乎做...

在樣式下拉列表中，挑選適當的標題樣式，寫你的文字，然後返回到正常的段落樣式下一行
高亮顯示一行，並撞了字體大小+使其粗體或斜體

如果你的用戶在做＃2，你已經確定了標題的基本上沒有真正的希望。編寫一些模糊匹配邏輯以嘗試識別字體大小跳躍時，您很失敗

對於＃1，在Apache POI中相當容易。你想要做的是獲取適用於段落的樣式的樣式描述，然後獲取樣式的名稱。如果以Heading開頭（不區分大小寫），則表明您已找到標題。獲取該段的文本，然後繼續閱讀文檔。

如果你看一下它是建立在POI頂部的Apache Tika MS-Word parser，你會看到一個很好的例子有遍歷段落和檢查風格

來源

2013-11-01 13:42:33 Gagravarr

的一樣Gagravarr說：

對於＃ 1，在Apache POI中相當容易。你想要做的是獲取適用於段落的樣式的樣式描述，然後獲取樣式的名稱。如果以標題開頭（不區分大小寫），則知道已找到標題。獲取該段的文本，然後繼續閱讀文檔。

使用Apache POI這樣的代碼：

 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 
        } 
       } 

      } 


     }

來源

2015-12-01 11:51:16

至少在HWPF（即舊的二進制文檔格式），如果你有一個正確格式的文件（這樣鍵入其他的答案＃1），你應該不完全依賴於風格名稱 - 事實上，這可能是一種與語言相關的價值（英文中的「Heading」，法語中的「Titre」等）。

Paragraph.getLvl()，它編碼level where the respective paragraph is shown in Word's outline view，往往是一個很好的次要來源。 1構成最重要的級別，所有後續數字最多爲8代表較不重要的標題候選，9是默認情況下Word分配給普通（非標題）段落的值。

來源

2015-12-31 15:02:30 morido

Apache POI： - 從DOC文件獲取標題

回答

相關問題