Question

我正在尝试创建一个java application来搜索所选doc, docx文件中的特定单词，并生成一个报告。该报告将包含搜索字词的页码和行号。现在我所取得的成就是我能够逐段阅读doc和docx文件。但我没有找到任何方法来搜索特定的单词并获得行＆amp;该单词存在的页码。我搜索了很多，但直到现在都没有运气。希望有人知道这样做的方法。

这是我的代码

if(fc.getSelectedFile().getAbsolutePath().contains("docx")) {
    File file = fc.getSelectedFile();
    FileInputStream fis = new FileInputStream(file.getAbsolutePath());
    XWPFDocument document = new XWPFDocument(fis);
    List<XWPFParagraph> paragraphs = document.getParagraphs();
    System.out.println("Total no of paragraph "+paragraphs.size());
    for (XWPFParagraph para : paragraphs) {
        System.out.println(para.getText());
    }
    fis.close();
} else {
    WordExtractor extractor = null;
    FileInputStream fis = new FileInputStream(fc.getSelectedFile());
    HWPFDocument document = new HWPFDocument(fis);
    extractor = new WordExtractor(document);
    String[] fileData = extractor.getParagraphText();
    for (int i = 0; i < fileData.length; i++) {
        if (fileData[i] != null)
            System.out.println(fileData[i]);
    }
    extractor.close();
}

我正在使用swing，apache poi 3.10.1.

Answer 1

恐怕没有简单的方法可以做到这一点。行和页码不会被存储，而是根据指定的页面大小，根据文本布局在飞行中计算。该页面定义了文本中的包装位置。

您可以尝试使用适当的EditorKit在JEditorPane中加载文档来实现该功能（例如，参见DocxEditorKit实现的尝试http://java-sl.com/docx_editor_kit.html它提供了基本功能，您可以尝试在此处实现您自己的EditorKit源代码和想法）。

该工具包应支持分页以呈现页面（请参阅此处有关分页的文章http://java-sl.com/articles.html）

分页完成后，您可以找到单词的位置（插入符号偏移量）并获取行/列（请参阅http://java-sl.com/tip_row_column.html）。

如何使用apache poi获取doc，docx文件中特定单词的行号，页码？

1 个答案: