在Java中逐行读取docx文件

我正在尝试使用ApachePOI或docx4j解析docx文件，但我需要逐行解析文本，以便按原样存储它。我还没有找到一种方法来实现这一点，而不是段落文本。你能给我提供一个文档、链接、解决方案或任何可以帮助我的东西吗？因为我还没有找到任何可以给我一个实际解决方案的东西

---

提前谢谢

使用DOCX4J，您可以使用此代码打印每个docx文本元素，也许它对您的目的有用：

public static void main(String[] args) throws Exception{

    TestPrintLines test = new TestPrintLines(); 
    String inputfilepath = System.getProperty("user.dir") + "/";
    File file = new File(inputfilepath+"yourFile.docx");
    WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(file);
    List<Object> texts= getAllelementObjects(wordMLPackage.getMainDocumentPart(),Text.class);
    test.printLines(texts);
}

static public  List<Object> getAllelementObjects(Object obj,Class<?> toSearch) {
    List<Object> result = new ArrayList<Object>();
    if (obj instanceof JAXBElement)
        obj = ((JAXBElement<?>) obj).getValue();

    if (obj.getClass().equals(toSearch))
        result.add(obj);
    else if (obj instanceof ContentAccessor) {
        List<?> children = ((ContentAccessor) obj).getContent();
        for (Object child : children) {
            result.addAll(getAllelementObjects(child, toSearch));
        }

    }
    return result;
}

static public void printLines(List<Object> objectsList){
    for(int i = 0; i<objectsList.size(); i++) {         
        Object text = objectsList.get(i);
        Text textElement = (Text) text;
        System.out.println(textElement.getValue());
    }
}

publicstaticvoidmain（字符串[]args）引发异常{
TestPrintLines test=新的TestPrintLines（）；
字符串inputfilepath=System.getProperty（“user.dir”）+“/”；
File File=新文件（inputfilepath+“yourFile.docx”）；
WordprocessingMLPackage wordMLPackage=WordprocessingMLPackage.load（文件）；
列表文本=GetAllegementObjects（wordMLPackage.getMainDocumentPart（），Text.class）；
测试。打印行（文本）；
}
静态公共列表GetAllegementObjects（对象对象，类到搜索）{
列表结果=新建ArrayList（）；
if（JAXBELENT的obj实例）
obj=（（JAXBElement）obj.getValue（）；
if（obj.getClass（）.equals（toSearch））
结果：添加（obj）；
else if（ContentAccessor的obj实例）{
List children=（（ContentAccessor）obj.getContent（）；
for（对象子对象：子对象）{
addAll（getAllegementObjects（child，toSearch））；
}
}
返回结果；
}
静态公共无效打印行（列表对象列表）{
对于使用DOCX4J的（int i=0；i），您可以使用此代码打印每个docx文本元素，也许它可以用于您的目的：

public static void main(String[] args) throws Exception{

    TestPrintLines test = new TestPrintLines(); 
    String inputfilepath = System.getProperty("user.dir") + "/";
    File file = new File(inputfilepath+"yourFile.docx");
    WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(file);
    List<Object> texts= getAllelementObjects(wordMLPackage.getMainDocumentPart(),Text.class);
    test.printLines(texts);
}

static public  List<Object> getAllelementObjects(Object obj,Class<?> toSearch) {
    List<Object> result = new ArrayList<Object>();
    if (obj instanceof JAXBElement)
        obj = ((JAXBElement<?>) obj).getValue();

    if (obj.getClass().equals(toSearch))
        result.add(obj);
    else if (obj instanceof ContentAccessor) {
        List<?> children = ((ContentAccessor) obj).getContent();
        for (Object child : children) {
            result.addAll(getAllelementObjects(child, toSearch));
        }

    }
    return result;
}

static public void printLines(List<Object> objectsList){
    for(int i = 0; i<objectsList.size(); i++) {         
        Object text = objectsList.get(i);
        Text textElement = (Text) text;
        System.out.println(textElement.getValue());
    }
}

publicstaticvoidmain（字符串[]args）引发异常{
TestPrintLines test=新的TestPrintLines（）；
字符串inputfilepath=System.getProperty（“user.dir”）+“/”；
File File=新文件（inputfilepath+“yourFile.docx”）；
WordprocessingMLPackage wordMLPackage=WordprocessingMLPackage.load（文件）；
列表文本=GetAllegementObjects（wordMLPackage.getMainDocumentPart（），Text.class）；
测试。打印行（文本）；
}
静态公共列表GetAllegementObjects（对象对象，类到搜索）{
列表结果=新建ArrayList（）；
if（JAXBELENT的obj实例）
obj=（（JAXBElement）obj.getValue（）；
if（obj.getClass（）.equals（toSearch））
结果：添加（obj）；
else if（ContentAccessor的obj实例）{
List children=（（ContentAccessor）obj.getContent（）；
for（对象子对象：子对象）{
addAll（getAllegementObjects（child，toSearch））；
}
}
返回结果；
}
静态公共无效打印行（列表对象列表）{
对于（int i=0；我认为你的问题在概念上有问题。Word文档中的换行符取决于实际布局（页面大小、字体大小和类型等）。也就是说，段落文本可能会被所有库视为一行文本。实际上，我看不到任何选项（除了呈现文档和进行一些OCR或类似操作）这样做。也许您可以一行一行地分享您试图通过此解析实现的目标，以便有人可能提供另一种解决方案。我认为您的问题存在概念上的问题。Word文档中的换行将取决于实际布局（页面大小、字体大小和类型等）。也就是说，一个段落的文本可能会被周围的所有库视为一行文本。实际上，我看不到任何选项（除了呈现文档和进行OCR或类似操作）这样做。也许你可以一行一行地分享你试图通过解析实现的目标，这样可能有人会提供另一种解决方案。