Word 文档中常常有包含关键数据的表格，将这些表格中的数据从文档中提取出来，可以用于进一步分析、报告制作或内容再创作等多种场景。通过使用 Java 来自动化提取 Word 文档中的表格，开发人员能够高效地提取和访问这些结构化数据，并将其转换为适用于数据库、电子表格等的格式，从而方便在不同场景中应用数据。本文将介绍如何利用 Spire.Doc for Java 在 Java 项目中实现从 Word 文档中提取表格。
安装 Spire.Doc for Java
首先，您需要在 Java 程序中添加 Spire.Doc.jar 文件作为依赖项。您可以从此链接下载 JAR 文件；如果您使用 Maven，则可以通过在 pom.xml 文件中添加以下代码导入 JAR 文件。
<repositories>
<repository>
<id>com.e-iceblue</id>
<name>e-iceblue</name>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.doc</artifactId>
<version>13.3.0</version>
</dependency>
</dependencies>
使用 Java 从 Word 文档中提取表格
借助 Spire.Doc for Java，开发人员可以使用 Section.getTables() 方法从 Word 文档中提取表格，然后再通过遍历行和单元格访问表格数据。提取 Word 文档表格的详细操作步骤如下：
- 创建一个 Document 对象。
- 使用 Document.loadFromFile() 方法加载 Word 文档。
- 使用 Document.getSections() 方法访问文档中的各节并进行遍历。
- 使用 Section.getTables() 方法访问每个节中的表格并进行遍历。
- 使用 Table.getRows() 方法访问每个表格中的行并进行遍历。
- 使用 TableRow.getCells() 方法访问每行中的单元格并进行遍历。
- 通过遍历每个单元格中的段落，使用 TableCell.getParagraphs() 和 Paragraph.getText() 方法提取文本。
- 将提取到的表格数据写入 StringBuilder 对象中。
- 将格式化后的表格内容写入文件或按需使用。
- Java
import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import java.io.FileWriter;
import java.io.IOException;
public class ExtractWordTable {
public static void main(String[] args) {
// 创建一个文档对象
Document doc = new Document();
try {
// 加载一个Word文档
doc.loadFromFile("示例.docx");
// 遍历文档中的各节
for (int i = 0; i < doc.getSections().getCount(); i++) {
// 获取一节
Section section = doc.getSections().get(i);
// 遍历该节中的表格
for (int j = 0; j < section.getTables().getCount(); j++) {
// 获取一个表格
Table table = section.getTables().get(j);
// 收集所有表格内容
StringBuilder tableText = new StringBuilder();
for (int k = 0; k < table.getRows().getCount(); k++) {
// 获取一行
TableRow row = table.getRows().get(k);
// 遍历行中的单元格
StringBuilder rowText = new StringBuilder();
for (int l = 0; l < row.getCells().getCount(); l++) {
// 获取一个单元格
TableCell cell = row.getCells().get(l);
// 遍历段落以获取单元格中的文本
String cellText = "";
for (int m = 0; m < cell.getParagraphs().getCount(); m++) {
Paragraph paragraph = cell.getParagraphs().get(m);
cellText += paragraph.getText() + " ";
}
if (l < row.getCells().getCount() - 1) {
rowText.append(cellText).append("\t");
} else {
rowText.append(cellText).append("\n");
}
}
tableText.append(rowText);
}
// 使用try-with-resources将表格文本写入文件
try (FileWriter writer = new FileWriter("output/Tables/Section-" + (i + 1) + "-Table-" + (j + 1) + ".txt")) {
writer.write(tableText.toString());
}
}
}
} catch (IOException e) {
throw new RuntimeException(e);
}
}
}
将 Word 文档中的表格提取到 Excel 工作表
开发人员还可以结合使用 Spire.Doc for Java 和 Spire.XLS for Java，从 Word 文档中提取表格数据并将其写入 Excel 工作表。首先，需要下载 Spire.XLS for Java 或添加以下 Maven 配置：
<repositories>
<repository>
<id>com.e-iceblue</id>
<name>e-iceblue</name>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.xls</artifactId>
<version>15.3.1</version>
</dependency>
</dependencies>
将 Word 文档中的表格提取到 Excel 工作簿的详细步骤如下：
- 创建一个 Document 对象。
- 创建一个 Workbook 对象，并使用 Workbook.getWorksheets().clear() 方法移除默认的工作表。
- 使用 Document.loadFromFile() 方法加载 Word 文档。
- 使用 Document.getSections() 方法访问文档中的各个节并进行遍历。
- 使用 Section.getTables() 方法访问每个部分中的表格并进行遍历。
- 使用 Workbook.getWorksheets().add() 方法为每个表格创建一个工作表。
- 使用 Table.getRows() 方法访问每个表格中的行并进行遍历。
- 使用 TableRow.getCells() 方法访问每行中的单元格并进行遍历。
- 通过遍历每个单元格中的段落，使用 TableCell.getParagraphs() 和 Paragraph.getText() 方法提取文本。
- 使用 Worksheet.getRange().get(row, column).setValue() 方法将提取的单元格文本写入工作表中的相应单元格。
- 根据需要设置工作表格式。
- 使用 Workbook.saveToFile() 方法将工作簿保存为 Excel 文件。
- Java
import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import com.spire.xls.FileFormat;
import com.spire.xls.Workbook;
import com.spire.xls.Worksheet;
public class ExtractWordTableToExcel {
public static void main(String[] args) {
// 创建一个文档对象
Document doc = new Document();
// 创建一个工作簿对象
Workbook workbook = new Workbook();
// 移除默认的工作表
workbook.getWorksheets().clear();
try {
// 加载一个Word文档
doc.loadFromFile("示例.docx");
// 遍历文档中的各节
for (int i = 0; i < doc.getSections().getCount(); i++) {
// 获取一节
Section section = doc.getSections().get(i);
// 遍历该节中的表格
for (int j = 0; j < section.getTables().getCount(); j++) {
// 获取一个表格
Table table = section.getTables().get(j);
// 为每个表格创建一个工作表
Worksheet sheet = workbook.getWorksheets().add("Section-" + (i + 1) + "-Table-" + (j + 1));
for (int k = 0; k < table.getRows().getCount(); k++) {
// 获取一行
TableRow row = table.getRows().get(k);
for (int l = 0; l < row.getCells().getCount(); l++) {
// 获取一个单元格
TableCell cell = row.getCells().get(l);
// 遍历段落以获取单元格中的文本
String cellText = "";
for (int m = 0; m < cell.getParagraphs().getCount(); m++) {
Paragraph paragraph = cell.getParagraphs().get(m);
if (m > 0 && m < cell.getParagraphs().getCount() - 1) {
cellText += paragraph.getText() + "\n";
}
else {
cellText += paragraph.getText();
}
// 将单元格文本写入工作表中对应的单元格
sheet.getRange().get(k + 1, l + 1).setValue(cellText);
}
// 自动调整列宽
sheet.autoFitColumn(l + 1);
}
}
}
}
} catch (Exception e) {
throw new RuntimeException(e);
}
// 保存工作簿到文件，指定Excel版本为2016
workbook.saveToFile("output/WordTableToExcel.xlsx", FileFormat.Version2016);
}
}
申请临时 License
如果您希望删除结果文档中的评估消息，或者摆脱功能限制，请该Email地址已收到反垃圾邮件插件保护。要显示它您需要在浏览器中启用JavaScript。获取有效期 30 天的临时许可证。
