如何使用Apache POI提取word文档的格式信息？

Question

我正在使用Apache POI从MS word文件中提取格式信息。

我想提取段落是否有子弹，背景颜色，前景色，对齐等信息。

没有太多可用于此的文档或教程。 Javadoc也没有太多有用的信息。

我在哪里可以获得可以帮助我学习Apache POI API的教程/优秀文档？

Answer 1

对于HWPF（.doc），您可能需要的类是：

• http://poi.apache.org/apidocs/org/apache/poi/hwpf/usermodel/ParagraphProperties.html
• http://poi.apache.org/apidocs/org/apache/poi/hwpf/usermodel/CharacterProperties.html
• http://poi.apache.org/apidocs/org/apache/poi/hwpf/model/StyleDescription.html

根据您想要的确切属性，它可能位于段落或字符属性上。

我可以想到用HWPF读取word文档并获取文本，检查样式​​和格式等的最佳示例是来自Apache Tika的WordExtractor： https://svn.apache.org/repos/asf/tika/trunk/tika-parsers/src/main/java/org/apache/tika/parser/microsoft/WordExtractor.java

（.docx的XWPF类似）