Question

我正在编写一个java代码，它利用Apache-poi来读取ms-office .doc文件和itext jar API来创建和写入pdf文件。我已经读完了.doc文件中打印的文本和表格。现在我正在寻找一种能够读取文档中所写图像的解决方案。我编写如下代码来读取文档文件中的图像。为什么这段代码不起作用。

public static void main(String[] args) {
    POIFSFileSystem fs = null;  
    Document document = new Document();
    WordExtractor extractor = null ;
    try {
        fs = new POIFSFileSystem(new FileInputStream("C:\\DATASTORE\\tableandImage.doc"));
        HWPFDocument hdocument=new HWPFDocument(fs);
        extractor = new WordExtractor(hdocument);
        OutputStream fileOutput = new FileOutputStream(new File("C:/DATASTORE/tableandImage.pdf"));
        PdfWriter.getInstance(document, fileOutput);
        document.open();
        Range range=hdocument.getRange();
        String readText=null;
        PdfPTable createTable;
        CharacterRun run;
        PicturesTable picture;

        for(int i=0;i<range.numParagraphs();i++) {
            Paragraph par = range.getParagraph(i);
            readText=par.text();
            if(!par.isInTable()) {
                if(readText.endsWith("\n")) {
                    readText=readText+"\n";
                    document.add(new com.itextpdf.text.Paragraph(readText));
                } if(readText.endsWith("\r")) {
                      readText += "\n";
                      document.add(new com.itextpdf.text.Paragraph(readText));
                  }
                run =range.getCharacterRun(i);
                picture=hdocument.getPicturesTable();
                if(picture.hasPicture(run)) {
                //if(run.isSpecialCharacter()) {  
                    Picture pic=picture.extractPicture(run, true);
                    byte[] picturearray=pic.getContent();
                    com.itextpdf.text.Image image=com.itextpdf.text.Image.getInstance(picturearray);
                    document.add(image);
                }
            } else if (par.isInTable()) { 
                  Table table = range.getTable(par);
                  TableRow tRow1= table.getRow(0);
                  int numColumns=tRow1.numCells();
                  createTable=new PdfPTable(numColumns);
                  for (int rowId=0;rowId<table.numRows();rowId++) {
                      TableRow tRow = table.getRow(rowId);
                      for (int cellId=0;cellId<tRow.numCells();cellId++) {
                          TableCell tCell = tRow.getCell(cellId);
                          PdfPCell c1 = new PdfPCell(new Phrase(tCell.text()));
                          createTable.addCell(c1);
                      }
                  }
                  document.add(createTable);
              } 
        }
    }catch(IOException e) {
        System.out.println("IO Exception");
        e.printStackTrace();
    }
    catch(Exception exep) {
        exep.printStackTrace();
    }finally {  
        document.close();  
    }  
}

问题是： 1.条件if（picture.hasPicture（run））不满意但文件有jpeg图像。

我在阅读桌子时遇到异常。

java.lang.IllegalArgumentException：此段落不是表格中的第一段在org.apache.poi.hwpf.usermodel.Range.getTable（Range.java:876） at pagecode.ReadDocxOrDocFile.main（ReadDocxOrDocFile.java:113）

任何人都可以帮我解决问题。谢谢。

Answer 1

关于您的例外：

您的代码会遍历所有段落，并为每个段落调用isInTable()。由于表通常由几个这样的段落组成，因此对{1}}的调用也会针对单个表执行多次。

但是，你的代码应该做的是找到表的第一段，然后处理其中的所有段落（通过getTable()）并最终继续在表后面的第一段中的外部循环。 Codewise这可能看起来大致如下（假设没有合并的单元格，没有嵌套的表格，没有其他有趣的边缘情况）：

getRow(m).getCell(n)

关于图片问题：

我是否正确地猜测您正在尝试获取固定在给定段落中的图片？遗憾的是，POI的预定义方法仅在图片未嵌入字段内时才起作用（实际上这种情况相当罕见）。对于基于字段的图像（即嵌入式OLE的预览图像），您应该执行以下操作（未经测试！）：

if (par.isInTable()) {
    Table table = range.getTable(par);
    for (int rn=0; rn<table.numRows(); rn++) {
        TableRow row = table.getRow(rn);
        for (int cn=0; cn<row.numCells(); cn++) {
            TableCell cell = row.getCell(cn);
            for (int pn=0; pn<cell.numParagraphs(); pn++) {
                Paragraph cellParagraph = cell.getParagraph(pn);
                // your PDF conversion code goes here
            }
        }
    }
    i += table.numParagraphs()-1; // skip the already processed (table-)paragraphs in the outer loop
}

有关Field.getType()的可能值列表，请参阅here。

读取.doc文件内容并在java中写入pdf文件

1 个答案: