Java Apache POI读取Word（.doc）文件并获取使用的命名样式

我正在尝试使用poi-scratchpad-3.8（HWPF）阅读Microsoft Word 2003文档（.doc）。我需要逐字或逐字读取文件。无论哪种方式都可以满足我的需要。一旦我读过一个字符或单词，我需要获得应用于该单词/字符的样式名称。所以，问题是，在读取.doc文件时，如何获取用于单词或字符的样式名称

编辑

我正在添加用于尝试此操作的代码。如果有人想尝试，祝你好运

private void processDoc(String path) throws Exception {
    System.out.println(path);
    POIFSFileSystem fis = new POIFSFileSystem(new FileInputStream(path));
    HWPFDocument wdDoc = new HWPFDocument(fis);

    // list all style names and indexes in stylesheet
    for (int j = 0; j < wdDoc.getStyleSheet().numStyles(); j++) {
        if (wdDoc.getStyleSheet().getStyleDescription(j) != null) {
            System.out.println(j + ": " + wdDoc.getStyleSheet().getStyleDescription(j).getName());
        } else {
            // getStyleDescription returned null
            System.out.println(j + ": " + null);
        }
    }

    // set range for entire document
    Range range = wdDoc.getRange();

    // loop through all paragraphs in range
    for (int i = 0; i < range.numParagraphs(); i++) {
        Paragraph p = range.getParagraph(i);

        // check if style index is greater than total number of styles
        if (wdDoc.getStyleSheet().numStyles() > p.getStyleIndex()) {
            System.out.println(wdDoc.getStyleSheet().numStyles() + " -> " + p.getStyleIndex());
            StyleDescription style = wdDoc.getStyleSheet().getStyleDescription(p.getStyleIndex());
            String styleName = style.getName();
            // write style name and associated text
            System.out.println(styleName + " -> " + p.text());
        } else {
            System.out.println("\n" + wdDoc.getStyleSheet().numStyles() + " ----> " + p.getStyleIndex());
        }
    }

private void processDoc（字符串路径）引发异常{
System.out.println（路径）；
POIFSFISTEM fis=新的POIFSFISTEM（新文件输入流（路径））；
HWPF文件wdDoc=新的HWPF文件（fis）；
//列出样式表中的所有样式名和索引
对于（int j=0；jp.getStyleIndex（））{
System.out.println（wdDoc.getStyleSheet（）.numStyles（）+“->”+p.getStyleIndex（））；
StyleDescription style=wdDoc.getStyleSheet（）.getStyleDescription（p.getStyleIndex（））；
String styleName=style.getName（）；
//写入样式名称和关联的文本
System.out.println（styleName+“->”+p.text（））；
}否则{
System.out.println（“\n”+wdDoc.getStyleSheet（）.numStyles（）+”--->“+p.getStyleIndex（））；
}
}

我建议您看看源代码，因为它是使用ApachePOI从Word文档中获取文本和样式的一个很好的示例

根据你在问题中所做的和没有说的，我怀疑你在寻找类似的东西：

    Range r = document.getRange();
    for(int i=0; i<r.numParagraphs(); i++) {
       Paragraph p = r.getParagraph(i);
       String text = p.getText();
       if( ! text.contains("What I'm Looking For")) {
          // Try the next paragraph
          continue;
       }

       if (document.getStyleSheet().numStyles()>p.getStyleIndex()) {
          StyleDescription style =
               document.getStyleSheet().getStyleDescription(p.getStyleIndex());
          String styleName = style.getName();
          System.out.println(styleName + " -> " + text);
       }
       else {
          // Text has an unknown or invalid style
       }
    }

Range r=document.getRange（）；
for（int i=0；ip.getStyleIndex（））{
样式描述样式=
document.getStyleSheet（）.getStyleDescription（p.getStyleIndex（））；
String styleName=style.getName（）；
System.out.println（样式名+“->”+文本）；
}
否则{
//文本的样式未知或无效
}
}

---

对于任何更高级的内容，请查看WordExtractor源代码，看看您还可以用这种东西做些什么

谢谢你的回复。在我等待答复时，我发现了一个类似的例子。此代码仅为每个段落提供样式，而不是每个单词或每个字符。这似乎也有一个问题（可能是一个bug？）。如果我使用Word 2007创建一个新的Word文档并另存为Word 97-2003，将“test”作为文档中的唯一文本，并将样式更改为Strong，则代码会告诉我该样式是正常的。如果我将样式更改为Quote，它将返回Quote，但如果我将其更改回Strong，它将返回Quote。有几种样式会出现这种情况，我不知道为什么。我还没有看过WordExtractor源代码，但我正在修复。你可以尝试查看段落的字符运行，并从中获取样式，看看这是否更适合您？

CharacterRun

似乎没有提供检索样式名称的方法。它不会-您会希望获取样式索引，就像一个段落一样，然后从中查找。您好，您编辑的代码适用于我的文档。但我想检测突出显示的文本。你知道怎么做吗？我在谷歌上搜索了很多，但找不到任何线索。提前谢谢@Seynoth刚刚开始探索这些东西所以这可能没有帮助。。。但是有一种叫做“getHighlightedColor”的CharacterRun方法。。。试过了吗？