Question

我需要将docx的所有文本放在stringBuilder中，也使用tab和连字符。我已尝试使用org.docx4j.TextUtils，但在结果字符串中没有看到标签。

String inputfilepath = System.getProperty("user.home") + "test.docx";   
WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new java.io.File(inputfilepath));
MainDocumentPart documentPart = wordMLPackage.getMainDocumentPart();
org.docx4j.wml.Document wmlDocumentEl = (org.docx4j.wml.Document)documentPart.getJaxbElement();
Writer out = new OutputStreamWriter(System.out);
extractText(wmlDocumentEl, out);
out.close();

Answer 1

根据http://www.docx4java.org/forums/docx-java-f6/is-it-possible-to-extract-all-text-also-tab-and-hyphen-t1996.html#p6933?sid=b0d58fec2ba349d0f3f49cf66411397c

的回答

我猜你知道tab和连字符的问题在于它们在docx中没有被表示为普通字符。

标签是w：tab

连字符可能是连字符，也可能显示（实际上不在docx中），或者可能是：

http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/noBreakHyphen.html

或http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/softHyphen.html

复制Word的连字行为将是一项挑战。

但对于其他人来说，我有三种方法：

推广您的遍历方法（您使用的是TraversalUtil.getChildrenImpl吗？）
在XSLT中执行此操作（您可以在docx4j中执行此操作，但XSLT可能更慢，并且混合了各种技术）
将主文档部分编组为字符串，执行合适的字符串替换，然后解组，然后使用TextUtils

对于（3），假设MainDocumentPart mdp，将其作为字符串获取：

String stringContent = mdp.getXML();

然后注入修改后的内容：

mdp.setContents((Document)XmlUtils.unmarshalString(stringContent) );

使用docx4j在stringBuilder中显示docx的所有文本

1 个答案: