Java 高效讀取 Word 文本框中的文本和圖片詳情 - java Lu_Lu 動態日志

動態

詳情

Java 高效讀取 Word 文本框中的文本和圖片 - 動態詳情

12:30 上午 · 11月 07 ,2025

Word文檔在日常工作中的常用性使得快速處理文檔內容成為許多開發者的痛點。尤其是在Java後端，如何高效、準確地從Word文檔中提取特定內容，例如文本框中的文本和圖片，常常是項目中的一道難題。傳統方法往往復雜且容易出錯。今天，我將為大家帶來一套基於 Spire.Doc for Java 庫的解決方案，讓你輕鬆應對這些挑戰。

1. 庫介紹與安裝：Spire.Doc for Java 初探

Spire.Doc for Java 是一個功能強大的Word文檔處理庫，它允許開發者在Java應用程序中創建、讀取、寫入、轉換和打印Word文檔。其最顯著的優勢在於對Word文檔複雜元素（如文本框、表格、圖片、批註等）的良好支持，以及對多種Word文檔格式（DOC、DOCX、RTF等）的兼容性。相較於其他一些文檔處理庫，Spire.Doc 在處理複雜佈局和嵌入對象方面表現出色。

Maven 依賴配置
要在你的Java項目中使用 Spire.Doc for Java，只需在 pom.xml 文件中添加以下 Maven 依賴：

<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>13.10.6</version>
    </dependency>
</dependencies>

請確保你使用的是最新穩定版本，可以通過訪問 Spire.Doc for Java 官方網站獲取最新版本號。

2. Java 獲取 Word 文本框中的文本

Word文檔中的文本框（TextBox）是一種特殊的容器，它可以包含文本、圖片甚至其他形狀。與普通的段落文本不同，文本框的內容通常需要通過特定的API來訪問。Spire.Doc for Java 提供了直觀的接口來遍歷和提取這些內容。

以下是獲取Word文檔中所有文本框文本的Java代碼示例：

import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import com.spire.doc.fields.TextBox;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;

public class ExtractText {
    public static void main(String[] args) throws IOException {
        //加載含有文本框的Word文檔
        Document doc = new Document();
        doc.loadFromFile("test.docx");

        //獲取文本框
        TextBox textbox = doc.getTextBoxes().get(0);

        //保存文本框中的文本到指定文件
        File file = new File("ExtractedText.txt");
        if (file.exists())
        {
            file.delete();
        }
        file.createNewFile();
        FileWriter fw = new FileWriter(file, true);
        BufferedWriter bw = new BufferedWriter(fw);

        //遍歷文本框中的對象
        for (Object object:textbox.getBody().getChildObjects())
        {
            //判定是否為文本段落
            if(object instanceof Paragraph)
            {
                //獲取段落中的文本
                String text = ((Paragraph) object).getText();

                //寫入文本到txt文檔
                bw.write(text);
            }
        }
        bw.flush();
        bw.close();
        fw.close();
    }
}

關鍵API説明：

Document: 代表整個Word文檔。
TextBox: 表示Word文檔中的一個文本框對象。
TextBox.getBody(): 獲取文本框內部的 TextBody，它是一個獨立的文檔內容容器，可以包含段落、表格等。
Paragraph.getText(): 獲取段落的純文本內容。

3. Java 獲取 Word 文本框中的圖片

文本框不僅可以包含文本，還可以嵌入圖片。提取文本框中的圖片在某些場景下非常有用，例如內容審核、資產管理等。Spire.Doc for Java 同樣提供了便捷的方式來訪問這些嵌入的圖片。

以下是獲取Word文檔中所有文本框內圖片的Java代碼示例：

import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import com.spire.doc.fields.DocPicture;
import com.spire.doc.fields.TextBox;
import javax.imageio.ImageIO;
import java.awt.image.RenderedImage;
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class ExtractImg {
    public static void main(String[] args) throws IOException {
        //加載含有文本框的Word文檔
        Document doc = new Document();
        doc.loadFromFile("test.docx");

        //獲取文本框
        TextBox textbox = doc.getTextBoxes().get(0);

        //創建List對象
        List images = new ArrayList();

        //遍歷文本框中所有段落
        for (int i = 0 ; i < textbox.getBody().getParagraphs().getCount();i++)
        {
            Paragraph paragraph = textbox.getBody().getParagraphs().get(i);

            //遍歷段落中的所有子對象
            for (int j = 0; j < paragraph.getChildObjects().getCount(); j++)
            {
                Object object = paragraph.getChildObjects().get(j);

                //判定對象是否為圖片
                if (object instanceof DocPicture)
                {
                    //獲取圖片
                    DocPicture picture = (DocPicture) object;
                    images.add(picture.getImage());
                }
            }
        }

        //將圖片以PNG文件格式保存
        for (int z = 0; z < images.size(); z++) {
            File file = new File(String.format("圖片-%d.png", z));
            ImageIO.write((RenderedImage) images.get(z), "PNG", file);
        }
    }
}

關鍵API説明：

DocPicture: 代表Word文檔中的一個圖片對象。
DocPicture.getImage(): 獲取圖片的 BufferedImage 對象，方便後續保存或處理。
ImageIO.write(): Java標準庫方法，用於將 BufferedImage 寫入文件。

4. 常見問題與注意事項

在實際的Word文檔處理中，可能會遇到各種複雜情況。

文本框嵌套與複雜佈局： Word文檔的靈活性使得文本框可能嵌套在其他形狀或表格中，甚至文本框內部又包含其他文本框。上述示例代碼主要針對直接嵌入在段落中的文本框。對於更復雜的結構，可能需要遞歸遍歷 Shape 對象或 Table 對象來查找文本框。Spire.Doc 提供了 Shape 和 Table 等API，可以進一步探索。
不同Word版本兼容性： Spire.Doc for Java 通常能很好地兼容不同版本的Word文檔（如DOC、DOCX）。但偶爾仍可能遇到特定版本或特定創建工具生成的文檔出現解析異常，此時建議更新到最新版本的 Spire.Doc 庫。
圖片格式與大小處理：提取出的 BufferedImage 可以通過 ImageIO 進行進一步處理，如縮放、轉換格式等。對於超大圖片，需要注意內存消耗問題，可以考慮分塊處理或使用流式讀取。
授權許可問題： Spire.Doc for Java 免費版在處理文檔時通常有頁數或功能限制（例如，只能處理前幾頁或文檔大小有限制）。對於商業項目或需要處理大量、複雜文檔的場景，建議購買其商業授權以獲得完整功能和技術支持。在免費版中，有時會在生成或保存的文檔中添加水印。
性能考慮：對於非常大的Word文檔，遍歷所有文檔對象可能會消耗較多時間和內存。可以考慮優化遍歷邏輯，或者在內存允許的情況下，一次性加載文檔後，進行多次查詢操作。

總結

通過本文的介紹和示例，相信你已經掌握瞭如何使用 Spire.Doc for Java 庫高效地從Word文檔的文本框中提取文本和圖片。Spire.Doc 憑藉其強大的功能和易用的API，無疑是Java開發中處理Office文檔的利器。它不僅解決了日常開發中的痛點，更在文檔自動化、內容分析等領域展現出廣闊的應用前景。希望這篇文章能幫助你更好地利用Java處理Word文檔，快去嘗試一下吧！

JAVA