Android中如何讀寫Word doc/ docx和PDF文件？

作者：佚名 2017-03-10 16:24:50

在日常應用中，我們從word文件里面讀取信息的情況非常少見，更多的還是把內容寫入到word文件中。使用POI從word doc文件讀取數據時主要有兩種方式：通過WordExtractor讀和通過HWPFDocument讀。在WordExtractor內部進行信息讀取時還是通過HWPFDocument來獲取的。

最近在項目中要生成Word的doc和docx文件，一番百度google之后，發現通過java語言實現的主流是Apache的POI組件。除了POI，這里還有另一種實現，不過我沒有去研究，有興趣的同學可以研究研究。

關于 POI 可以訪問 Apache POI的官網獲取詳細的信息。

進入主題!

由于項目中只是用到了doc和docx的組件，下面也只是介紹這兩個組件的使用

一、在Android Studio中如何用POI組件

從POI官網上看，貌似暫并不支持IntelliJ IDE，如下圖，所以這里我們采用直接下載jar包并導入項目的方式。

通過官網 ->Overview->Components，可以看到 d和docx文件分別對應著組件 HWPF 和XWPF ，而HWPF和XWPF則對應著poi-scratchpad和poi-ooxml

下載

進入Apache 下載頁面，選擇***版下載，如下。選擇The latest beta release is Apache POI 3.16-beta2會跳轉到poi-bin-3.16-beta2-20170202.tar.gz，然后點擊poi-bin-3.16-beta2-20170202.tar.gz，選擇鏡像后即可成功下載。

注linux系統選擇.tar.gz windows系統選擇.zip

解壓

將下載后的壓縮包解壓，會得到以下文件。

導入

不熟悉怎么導入的同學可以看看 Android Studio導入jar包教程

1、doc 對于doc文件，需要將 lib文件夾下jar包，poi-3.16-beta2.jar，poi-scratchpad-3.16-beta2.jar 放入android項目libs目錄下(lib文件夾下的junit-4.12.jar和log4j-1.2.17.jar不放我的項目也沒出現異常，能少點是點)。

2、docx 對于docx，需要導入 lib文件夾下jar包，poi-3.16-beta2.jar，poi-ooxml-3.16-beta2.jar，poi-ooxml-schemas-3.16-beta2.jar和ooxml-lib下的包，由于一直我這一直出現 Warning:Ingoring InnerClasses attribute for an anonymous inner class 的錯誤，同時由于doc基本滿足我的需求以及導入這么多jar導致apk體積增大，就沒有去實現。有興趣的同學可以研究研究。

二、實現doc文件的讀寫

Apache POI中的HWPF模塊是專門用來讀取和生成doc格式的文件。在HWPF中，我們使用HWPFDocument來表示一個word doc文檔。在看代碼之前，有必要了解HWPFDocument中的幾個概念：

注意： Section、Paragraph、CharacterRun和Table都繼承自Range。

讀寫前注意： Apache POI 提供的HWPFDocument類只能讀寫規范的.doc文件，也就是說假如你使用修改后綴名的方式生成doc文件或者直接以命名的方式創建，將會出現錯誤“Your file appears not to be a valid OLE2 document”

Invalid header signature; read 0x7267617266202E31, expected 0xE11AB1A1E011CFD0 - Your file appears not to be a valid OLE2 document

DOC讀

讀doc文件有兩種方式 (a)通過WordExtractor讀文件 (b)通過HWPFDocument讀文件

使用WordExtractor讀

在使用WordExtractor讀文件時我們只能讀到文件的文本內容和基于文檔的一些屬性，至于文檔內容的屬性等是無法讀到的。如果要讀到文檔內容的屬性則需要使用HWPFDocument來讀取了。下面是使用WordExtractor讀取文件的一個示例：

//通過WordExtractor讀文件public class WordExtractorTest { 
 
   private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "WordExtractorTest";    
   private void log(Object o) { 
       Log.d(TAG, String.valueOf(o)); 
   }   public void testReadByExtractor() throws Exception { 
      InputStream is = new FileInputStream(PATH); 
      WordExtractor extractor = new WordExtractor(is);      //輸出word文檔所有的文本 
      log(extractor.getText()); 
      log(extractor.getTextFromPieces());      //輸出頁眉的內容 
      log("頁眉：" + extractor.getHeaderText());      //輸出頁腳的內容 
      log("頁腳：" + extractor.getFooterText());      //輸出當前word文檔的元數據信息，包括作者、文檔的修改時間等。 
      log(extractor.getMetadataTextExtractor().getText());      //獲取各個段落的文本 
      String paraTexts[] = extractor.getParagraphText();      for (int i=0; i<paraTexts.length; i++) { 
         log("Paragraph " + (i+1) + " : " + paraTexts[i]); 
      }      //輸出當前word的一些信息 
      printInfo(extractor.getSummaryInformation());      //輸出當前word的一些信息 
      this.printInfo(extractor.getDocSummaryInformation());      this.closeStream(is); 
   }   
   /** 
    * 輸出SummaryInfomation 
    * @param info 
    */ 
   private void printInfo(SummaryInformation info) {      //作者 
      log(info.getAuthor());      //字符統計 
      log(info.getCharCount());      //頁數 
      log(info.getPageCount());      //標題 
      log(info.getTitle());      //主題 
      log(info.getSubject()); 
   }   
   /** 
    * 輸出DocumentSummaryInfomation 
    * @param info 
    */ 
   private void printInfo(DocumentSummaryInformation info) {      //分類 
      log(info.getCategory());      //公司 
      log(info.getCompany()); 
   }   
   /** 
    * 關閉輸入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }}

使用HWPFDocument讀

HWPFDocument是當前Word文檔的代表，它的功能比WordExtractor要強。通過它我們可以讀取文檔中的表格、列表等，還可以對文檔的內容進行新增、修改和刪除操作。只是在進行完這些新增、修改和刪除后相關信息是保存在HWPFDocument中的，也就是說我們改變的是HWPFDocument，而不是磁盤上的文件。如果要使這些修改生效的話，我們可以調用HWPFDocument的write方法把修改后的HWPFDocument輸出到指定的輸出流中。這可以是原文件的輸出流，也可以是新文件的輸出流(相當于另存為)或其它輸出流。下面是一個通過HWPFDocument讀文件的示例：

//使用HWPFDocument讀文件public class HWPFDocumentTest { 
   
   private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "HWPFDocumentTest";    
   private void log(Object o) { 
       Log.d(TAG, String.valueOf(o)); 
   }   public void testReadByDoc() throws Exception { 
      InputStream is = new FileInputStream(PATH); 
      HWPFDocument doc = new HWPFDocument(is);      //輸出書簽信息 
      this.printInfo(doc.getBookmarks());      //輸出文本 
      log(doc.getDocumentText()); 
      Range range = doc.getRange();      //讀整體 
      this.printInfo(range);      //讀表格 
      this.readTable(range);      //讀列表 
      this.readList(range);      this.closeStream(is); 
   }   
   /** 
    * 關閉輸入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }   
   /** 
    * 輸出書簽信息 
    * @param bookmarks 
    */ 
   private void printInfo(Bookmarks bookmarks) {      int count = bookmarks.getBookmarksCount(); 
      log("書簽數量：" + count); 
      Bookmark bookmark;      for (int i=0; i<count; i++) { 
         bookmark = bookmarks.getBookmark(i); 
         log("書簽" + (i+1) + "的名稱是：" + bookmark.getName()); 
         log("開始位置：" + bookmark.getStart()); 
         log("結束位置：" + bookmark.getEnd()); 
      } 
   }   
   /** 
    * 讀表格 
    * 每一個回車符代表一個段落，所以對于表格而言，每一個單元格至少包含一個段落，每行結束都是一個段落。 
    * @param range 
    */ 
   private void readTable(Range range) {      //遍歷range范圍內的table。 
      TableIterator tableIter = new TableIterator(range); 
      Table table; 
      TableRow row; 
      TableCell cell;      while (tableIter.hasNext()) { 
         table = tableIter.next();         int rowNum = table.numRows();         for (int j=0; j<rowNum; j++) { 
            row = table.getRow(j);            int cellNum = row.numCells();            for (int k=0; k<cellNum; k++) { 
                cell = row.getCell(k);                //輸出單元格的文本 
                log(cell.text().trim()); 
            } 
         } 
      } 
   }   
   /** 
    * 讀列表 
    * @param range 
    */ 
   private void readList(Range range) {      int num = range.numParagraphs(); 
      Paragraph para;      for (int i=0; i<num; i++) { 
         para = range.getParagraph(i);         if (para.isInList()) { 
            log("list: " + para.text()); 
         } 
      } 
   }   
   /** 
    * 輸出Range 
    * @param range 
    */ 
   private void printInfo(Range range) {      //獲取段落數 
      int paraNum = range.numParagraphs(); 
      log(paraNum);      for (int i=0; i<paraNum; i++) { 
         log("段落" + (i+1) + "：" + range.getParagraph(i).text());         if (i == (paraNum-1)) {            this.insertInfo(range.getParagraph(i)); 
         } 
      }      int secNum = range.numSections(); 
      log(secNum); 
      Section section;      for (int i=0; i<secNum; i++) { 
         section = range.getSection(i); 
         log(section.getMarginLeft()); 
         log(section.getMarginRight()); 
         log(section.getMarginTop()); 
         log(section.getMarginBottom()); 
         log(section.getPageHeight()); 
         log(section.text()); 
      } 
   }   
   /** 
    * 插入內容到Range，這里只會寫到內存中 
    * @param range 
    */ 
   private void insertInfo(Range range) { 
      range.insertAfter("Hello"); 
   }}

DOC寫

使用HWPFDocument寫文件

在使用POI寫word doc文件的時候我們必須要先有一個doc文件才行，因為我們在寫doc文件的時候是通過HWPFDocument來寫的，而HWPFDocument是要依附于一個doc文件的。所以通常的做法是我們先在硬盤上準備好一個內容空白的doc文件，然后建立一個基于該空白文件的HWPFDocument。之后我們就可以往HWPFDocument里面新增內容了，然后再把它寫入到另外一個doc文件中，這樣就相當于我們使用POI生成了word doc文件。

//寫字符串進word 
    InputStream is = new FileInputStream(PATH); 
    HWPFDocument doc = new HWPFDocument(is);    //獲取Range 
    Range range = doc.getRange();    for(int i = 0; i < 100; i++) {        if( i % 2 == 0 ) { 
            range.insertAfter("Hello " + i + "\n");//在文件末尾插入String 
        } else { 
            range.insertBefore("      Bye " + i + "\n");//在文件頭插入String 
        } 
    }    //寫到原文件中 
    OutputStream os = new FileOutputStream(PATH);    //寫到另一個文件中 
    //OutputStream os = new FileOutputStream(其他路徑); 
    doc.write(os);    this.closeStream(is);    this.closeStream(os);

但是，在實際應用中，我們在生成word文件的時候都是生成某一類文件，該類文件的格式是固定的，只是某些字段不一樣罷了。所以在實際應用中，我們大可不必將整個word文件的內容都通過HWPFDocument生成。而是先在磁盤上新建一個word文檔，其內容就是我們需要生成的word文件的內容，然后把里面一些屬于變量的內容使用類似于“${paramName}”這樣的方式代替。這樣我們在基于某些信息生成word文件的時候，只需要獲取基于該word文件的HWPFDocument，然后調用Range的replaceText()方法把對應的變量替換為對應的值即可，之后再把當前的HWPFDocument寫入到新的輸出流中。這種方式在實際應用中用的比較多，因為它不但可以減少我們的工作量，還可以讓文本的格式更加的清晰。下面我們就來基于這種方式做一個示例。

假設我們有個模板是這樣的：

之后我們以該文件作為模板，利用相關數據把里面的變量進行替換，然后把替換后的文檔輸出到另一個doc文件中。具體做法如下：

public class HWPFTemplateTest {    /** 
    * 用一個doc文檔作為模板，然后替換其中的內容，再寫入目標文檔中。 
    * @throws Exception 
    */ 
     
     @Test 
   public void testTemplateWrite() throws Exception { 
      String templatePath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "template.doc"); 
 
      String targetPath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "target.doc"; 
      InputStream is = new FileInputStream(templatePath); 
      HWPFDocument doc = new HWPFDocument(is); 
      Range range = doc.getRange();      //把range范圍內的${reportDate}替換為當前的日期 
      range.replaceText("${reportDate}", new SimpleDateFormat("yyyy-MM-dd").format(new Date())); 
      range.replaceText("${appleAmt}", "100.00"); 
      range.replaceText("${bananaAmt}", "200.00"); 
      range.replaceText("${totalAmt}", "300.00"); 
      OutputStream os = new FileOutputStream(targetPath);      //把doc輸出到輸出流中 
      doc.write(os);      this.closeStream(os);      this.closeStream(is); 
   }   
   /** 
    * 關閉輸入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }  
   /** 
    * 關閉輸出流 
    * @param os 
    */ 
   private void closeStream(OutputStream os) {      if (os != null) {         try { 
            os.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }}

三、實現docx文件的讀寫

POI在讀寫word docx文件時是通過xwpf模塊來進行的，其核心是XWPFDocument。一個XWPFDocument代表一個docx文檔，其可以用來讀docx文檔，也可以用來寫docx文檔。XWPFDocument中主要包含下面這幾種對象：

同時XWPFDocument可以直接new一個docx文件出來而不需要像HWPFDocument一樣需要一個模板存在。

具體可以參考這位同學寫的 POI讀寫docx文件。

四、總結

歡迎大家提出建議和糾正本文可能存在的錯誤之處，感謝支持。

責任編輯：龐桂玉來源： Android技術之家