Ms word 如何使用ApachePOI从MS word文档的文本框中获取文本？

我想在MS word文档的文本框中获取信息。我正在使用ApachePOI解析word文档

目前我正在遍历所有段落对象，但此段落列表不包含TextBox中的信息，因此我在输出中缺少此信息

e、 g

纯文本段落
****
再加一段纯文本

我要提取的内容：

<para>paragraph in plain text</para>

<text_box>some information in text box</text_box>

<para>one more paragraph in plain text</para>

纯文本段落
文本框中的某些信息
再加一段纯文本

我目前得到的信息：

<para>paragraph in plain text</para>

<text_box>some information in text box</text_box>

<para>one more paragraph in plain text</para>

纯文本段落

再加一段纯文本

---

有人知道如何使用Apache POI从文本框中提取信息吗？

如果您想从docx文件中的文本框中获取文本（使用POI 3.10-FINAL），下面是示例代码：

FileInputStream fileInputStream = new FileInputStream(inputFile);
XWPFDocument document = new XWPFDocument(OPCPackage.open(fileInputStream)); 
for (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
     String text = xwpfParagraph.getParagraphText(); //here is where you receive text from textbox
}

或者您可以迭代每个

---

XWPFParagraph中的XWPFRun并调用toString（）方法。相同的结果。

如果您想从docx文件中的文本框中获取文本（使用POI 3.10-FINAL），以下是示例代码：

FileInputStream fileInputStream = new FileInputStream(inputFile);
XWPFDocument document = new XWPFDocument(OPCPackage.open(fileInputStream)); 
for (XWPFParagraph xwpfParagraph : document.getParagraphs()) {
     String text = xwpfParagraph.getParagraphText(); //here is where you receive text from textbox
}

或者您可以迭代每个 XWPFParagraph中的XWPFRun并调用toString（）方法。同样的结果。

这对我很有效

    private void printContentsOfTextBox(XWPFParagraph paragraph) {

        XmlObject[] textBoxObjects =  paragraph.getCTP().selectPath("
            declare namespace w='http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
            declare namespace wps='http://schemas.microsoft.com/office/word/2010/wordprocessingShape' 
            declare namespace v='urn:schemas-microsoft-com:vml'
            .//*/wps:txbx/w:txbxContent | .//*/v:textbox/w:txbxContent");

        for (int i =0; i < textBoxObjects.length; i++) {
            XWPFParagraph embeddedPara = null;
            try {
            XmlObject[] paraObjects = textBoxObjects[i].
                selectChildren(
                new QName("http://schemas.openxmlformats.org/wordprocessingml/2006/main", "p"));

            for (int j=0; j<paraObjects.length; j++) {
                embeddedPara = new XWPFParagraph(
                    CTP.Factory.parse(paraObjects[j].xmlText()), paragraph.getBody());
                //Here you have your paragraph; 
                System.out.println(embeddedPara.getText());
            } 

            } catch (XmlException e) {
            //handle
            }
        }

     } 

private void printContentsOfTextBox（XWPFParagraph段落）{
XmlObject[]textBoxObjects=段落。getCTP（）。选择路径（“
声明命名空间w='1！'http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
声明名称空间wps=http://schemas.microsoft.com/office/word/2010/wordprocessingShape' 
声明命名空间v='urn:schemas microsoft com:vml'
./*/wps:txbx/w:txbxContent |./*/v:textbox/w:txbxContent“）；
对于（int i=0；i
    private void printContentsOfTextBox(XWPFParagraph paragraph) {

        XmlObject[] textBoxObjects =  paragraph.getCTP().selectPath("
            declare namespace w='http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
            declare namespace wps='http://schemas.microsoft.com/office/word/2010/wordprocessingShape' 
            declare namespace v='urn:schemas-microsoft-com:vml'
            .//*/wps:txbx/w:txbxContent | .//*/v:textbox/w:txbxContent");

        for (int i =0; i < textBoxObjects.length; i++) {
            XWPFParagraph embeddedPara = null;
            try {
            XmlObject[] paraObjects = textBoxObjects[i].
                selectChildren(
                new QName("http://schemas.openxmlformats.org/wordprocessingml/2006/main", "p"));

            for (int j=0; j<paraObjects.length; j++) {
                embeddedPara = new XWPFParagraph(
                    CTP.Factory.parse(paraObjects[j].xmlText()), paragraph.getBody());
                //Here you have your paragraph; 
                System.out.println(embeddedPara.getText());
            } 

            } catch (XmlException e) {
            //handle
            }
        }

     } 

private void printContentsOfTextBox（XWPFParagraph段落）{
XmlObject[]textBoxObjects=段落。getCTP（）。选择路径（“
声明命名空间w='1！'http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
声明名称空间wps=http://schemas.microsoft.com/office/word/2010/wordprocessingShape' 
声明命名空间v='urn:schemas microsoft com:vml'
./*/wps:txbx/w:txbxContent |./*/v:textbox/w:txbxContent“）；
对于（int i=0；i对于（int j=0；j要从Word.doc和.docx文件中提取所有出现的文本，我使用源代码作为如何正确使用Apache POI API的参考。如果您希望直接使用POI而不依赖Tika，这非常有用

对于Word.docx文件，请查看此Tika类：

org.apache.tika.parser.microsoft.ooxml.XWPFWordExtractorDecorator

如果忽略
XHTMLContentHandler
和格式化代码，您可以看到如何使用POI正确导航
XWPFDocument
。
对于.doc文件，此类非常有用：

org.apache.tika.parser.microsoft.WordExtractor

都来自
tika-parsers-1.x.jar
。通过maven依赖项访问tika代码的简单方法是将tika临时添加到pom.xml中，如

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.7</version>
</dependency>


org.apache.tika
提卡解析器
1.7

让您的IDE解析附加的源代码并进入上面的类。
要从Word.doc和.docx文件中提取所有出现的文本，我使用源代码作为如何正确使用Apache POI API的参考。如果您希望直接使用POI而不依赖Tika，这非常有用

对于Word.docx文件，请查看此Tika类：

org.apache.tika.parser.microsoft.ooxml.XWPFWordExtractorDecorator

如果忽略
XHTMLContentHandler
和格式化代码，您可以看到如何使用POI正确导航
XWPFDocument
。
对于.doc文件，此类非常有用：

org.apache.tika.parser.microsoft.WordExtractor

都来自
tika-parsers-1.x.jar
。通过maven依赖项访问tika代码的简单方法是将tika临时添加到pom.xml中，如

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.7</version>
</dependency>


org.apache.tika
提卡解析器
1.7

让您的IDE解析附加的源并进入上面的类。
 @ PLutEXT，从DOC格式开始，但以后需要为DOX和RTF做同样的操作。您可以考虑使用JodCurrase+LyBrice将所有三种格式转换为DOX，然后使用POI（DOCX4J）从Dox中提取文本框内容。。这样，您就不必担心二进制格式或解析rtf。@plutext，非常感谢。。我将研究JODConverter。我希望它是免费的。@Shekhar您找到如何从.docx文档的文本框中提取文本了吗？如果找到了，欢迎您随时共享该信息。。）@ PututEXT，从DOC格式开始，但以后需要为DOX和RTF做同样的操作。您可以考虑使用JodCurrase+LyBeice将所有三种格式转换为DOX，然后使用POI（DOCX4J）从Dox中提取文本框内容。。这样，您就不必担心二进制格式或解析rtf。@plutext，非常感谢。。我将研究JODConverter。我希望它是免费的。@Shekhar您找到如何从.docx文档的文本框中提取文本了吗？如果找到了，欢迎您随时共享该信息。。）更新：在给定的示例中，并不是所有的文本框都在架构内。下面是另一个文本框objects.addAll（Arrays.asList（paration.getCTP（）.selectPath（“declare namespace w=''declare namespace v='urn:schemas microsoft com:vml./*/v:textbox/w:txbcontent”））；我没有找到OOXML模式定义提供的文本框模式的完整列表，如果有人有，请共享。更新：结果不是所有的文本框都是