Android中如何读写Word doc/ docx和PDF文件?

移动开发 Android
在日常应用中,我们从word文件里面读取信息的情况非常少见,更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式:通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。

最近在项目中要生成Word的doc和docx文件,一番百度google之后,发现通过java语言实现的主流是Apache的POI组件。除了POI,这里还有 另一种实现 ,不过我没有去研究,有兴趣的同学可以研究研究。

关于 POI 可以访问 Apache POI的官网 获取详细的信息。

进入主题!

由于项目中只是用到了doc和docx的组件,下面也只是介绍这两个组件的使用

一、在Android Studio中如何用POI组件

从POI官网上看,貌似暂并不支持IntelliJ IDE,如下图,所以这里我们采用直接下载jar包并导入项目的方式。 

 

 

 

通过 官网 ->Overview->Components,可以看到 d和docx文件分别对应着组件 HWPF 和XWPF ,而HWPF和XWPF则对应着poi-scratchpad和poi-ooxml 

 

 

  

 

 

 

下载

进入Apache 下载页面 ,选择***版下载,如下。选择The latest beta release is Apache POI 3.16-beta2会跳转到poi-bin-3.16-beta2-20170202.tar.gz,然后点击poi-bin-3.16-beta2-20170202.tar.gz,选择镜像后即可成功下载。

注linux系统选择.tar.gz windows系统选择.zip 

 

 

解压

将下载后的压缩包解压,会得到以下文件。 

 

 

  

 

 

 

导入

不熟悉怎么导入的同学可以看看 Android Studio导入jar包教程

1、doc 对于doc文件,需要将 lib文件夹下jar包,poi-3.16-beta2.jar,poi-scratchpad-3.16-beta2.jar 放入android项目libs目录下(lib文件夹下的junit-4.12.jar和log4j-1.2.17.jar不放我的项目也没出现异常,能少点是点)。 

 

 

 

2、docx 对于docx,需要导入 lib文件夹下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 ,由于一直我这一直出现 Warning:Ingoring InnerClasses attribute for an anonymous inner class 的错误,同时由于doc基本满足我的需求以及导入这么多jar导致apk体积增大,就没有去实现。 有兴趣的同学可以研究研究。

二、实现doc文件的读写

Apache POI中的HWPF模块是专门用来读取和生成doc格式的文件。在HWPF中,我们使用HWPFDocument来表示一个word doc文档。在看代码之前,有必要了解HWPFDocument中的几个概念: 

 

 

 

注意 : Section、Paragraph、CharacterRun和Table都继承自Range。

读写前注意: Apache POI 提供的HWPFDocument类只能读写规范的.doc文件,也就是说假如你使用修改 后缀名 的方式生成doc文件或者直接以命名的方式创建,将会出现错误“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读

读doc文件有两种方式 (a)通过WordExtractor读文件 (b)通过HWPFDocument读文件

在日常应用中,我们从word文件里面读取信息的情况非常少见,更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式:通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。

使用WordExtractor读

在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性,至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例:

  1. //通过WordExtractor读文件public class WordExtractorTest { 
  2.  
  3.    private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "WordExtractorTest";    
  4.    private void log(Object o) { 
  5.        Log.d(TAG, String.valueOf(o)); 
  6.    }   public void testReadByExtractor() throws Exception { 
  7.       InputStream is = new FileInputStream(PATH); 
  8.       WordExtractor extractor = new WordExtractor(is);      //输出word文档所有的文本 
  9.       log(extractor.getText()); 
  10.       log(extractor.getTextFromPieces());      //输出页眉的内容 
  11.       log("页眉:" + extractor.getHeaderText());      //输出页脚的内容 
  12.       log("页脚:" + extractor.getFooterText());      //输出当前word文档的元数据信息,包括作者、文档的修改时间等。 
  13.       log(extractor.getMetadataTextExtractor().getText());      //获取各个段落的文本 
  14.       String paraTexts[] = extractor.getParagraphText();      for (int i=0; i<paraTexts.length; i++) { 
  15.          log("Paragraph " + (i+1) + " : " + paraTexts[i]); 
  16.       }      //输出当前word的一些信息 
  17.       printInfo(extractor.getSummaryInformation());      //输出当前word的一些信息 
  18.       this.printInfo(extractor.getDocSummaryInformation());      this.closeStream(is); 
  19.    }   
  20.    /** 
  21.     * 输出SummaryInfomation 
  22.     * @param info 
  23.     */ 
  24.    private void printInfo(SummaryInformation info) {      //作者 
  25.       log(info.getAuthor());      //字符统计 
  26.       log(info.getCharCount());      //页数 
  27.       log(info.getPageCount());      //标题 
  28.       log(info.getTitle());      //主题 
  29.       log(info.getSubject()); 
  30.    }   
  31.    /** 
  32.     * 输出DocumentSummaryInfomation 
  33.     * @param info 
  34.     */ 
  35.    private void printInfo(DocumentSummaryInformation info) {      //分类 
  36.       log(info.getCategory());      //公司 
  37.       log(info.getCompany()); 
  38.    }   
  39.    /** 
  40.     * 关闭输入流 
  41.     * @param is 
  42.     */ 
  43.    private void closeStream(InputStream is) {      if (is != null) {         try { 
  44.             is.close(); 
  45.          } catch (IOException e) { 
  46.             e.printStackTrace(); 
  47.          } 
  48.       } 
  49.    }}  

使用HWPFDocument读

HWPFDocument是当前Word文档的代表,它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等,还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的,也就是说我们改变的是HWPFDocument,而不是磁盘上的文件。如果要使这些修改生效的话,我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流,也可以是新文件的输出流(相当于另存为)或其它输出流。下面是一个通过HWPFDocument读文件的示例:

  1. //使用HWPFDocument读文件public class HWPFDocumentTest { 
  2.    
  3.    private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "HWPFDocumentTest";    
  4.    private void log(Object o) { 
  5.        Log.d(TAG, String.valueOf(o)); 
  6.    }   public void testReadByDoc() throws Exception { 
  7.       InputStream is = new FileInputStream(PATH); 
  8.       HWPFDocument doc = new HWPFDocument(is);      //输出书签信息 
  9.       this.printInfo(doc.getBookmarks());      //输出文本 
  10.       log(doc.getDocumentText()); 
  11.       Range range = doc.getRange();      //读整体 
  12.       this.printInfo(range);      //读表格 
  13.       this.readTable(range);      //读列表 
  14.       this.readList(range);      this.closeStream(is); 
  15.    }   
  16.    /** 
  17.     * 关闭输入流 
  18.     * @param is 
  19.     */ 
  20.    private void closeStream(InputStream is) {      if (is != null) {         try { 
  21.             is.close(); 
  22.          } catch (IOException e) { 
  23.             e.printStackTrace(); 
  24.          } 
  25.       } 
  26.    }   
  27.    /** 
  28.     * 输出书签信息 
  29.     * @param bookmarks 
  30.     */ 
  31.    private void printInfo(Bookmarks bookmarks) {      int count = bookmarks.getBookmarksCount(); 
  32.       log("书签数量:" + count); 
  33.       Bookmark bookmark;      for (int i=0; i<count; i++) { 
  34.          bookmark = bookmarks.getBookmark(i); 
  35.          log("书签" + (i+1) + "的名称是:" + bookmark.getName()); 
  36.          log("开始位置:" + bookmark.getStart()); 
  37.          log("结束位置:" + bookmark.getEnd()); 
  38.       } 
  39.    }   
  40.    /** 
  41.     * 读表格 
  42.     * 每一个回车符代表一个段落,所以对于表格而言,每一个单元格至少包含一个段落,每行结束都是一个段落。 
  43.     * @param range 
  44.     */ 
  45.    private void readTable(Range range) {      //遍历range范围内的table。 
  46.       TableIterator tableIter = new TableIterator(range); 
  47.       Table table
  48.       TableRow row; 
  49.       TableCell cell;      while (tableIter.hasNext()) { 
  50.          table = tableIter.next();         int rowNum = table.numRows();         for (int j=0; j<rowNum; j++) { 
  51.             row = table.getRow(j);            int cellNum = row.numCells();            for (int k=0; k<cellNum; k++) { 
  52.                 cell = row.getCell(k);                //输出单元格的文本 
  53.                 log(cell.text().trim()); 
  54.             } 
  55.          } 
  56.       } 
  57.    }   
  58.    /** 
  59.     * 读列表 
  60.     * @param range 
  61.     */ 
  62.    private void readList(Range range) {      int num = range.numParagraphs(); 
  63.       Paragraph para;      for (int i=0; i<num; i++) { 
  64.          para = range.getParagraph(i);         if (para.isInList()) { 
  65.             log("list: " + para.text()); 
  66.          } 
  67.       } 
  68.    }   
  69.    /** 
  70.     * 输出Range 
  71.     * @param range 
  72.     */ 
  73.    private void printInfo(Range range) {      //获取段落数 
  74.       int paraNum = range.numParagraphs(); 
  75.       log(paraNum);      for (int i=0; i<paraNum; i++) { 
  76.          log("段落" + (i+1) + ":" + range.getParagraph(i).text());         if (i == (paraNum-1)) {            this.insertInfo(range.getParagraph(i)); 
  77.          } 
  78.       }      int secNum = range.numSections(); 
  79.       log(secNum); 
  80.       Section section;      for (int i=0; i<secNum; i++) { 
  81.          section = range.getSection(i); 
  82.          log(section.getMarginLeft()); 
  83.          log(section.getMarginRight()); 
  84.          log(section.getMarginTop()); 
  85.          log(section.getMarginBottom()); 
  86.          log(section.getPageHeight()); 
  87.          log(section.text()); 
  88.       } 
  89.    }   
  90.    /** 
  91.     * 插入内容到Range,这里只会写到内存中 
  92.     * @param range 
  93.     */ 
  94.    private void insertInfo(Range range) { 
  95.       range.insertAfter("Hello"); 
  96.    }}  

DOC写

使用HWPFDocument写文件

在使用POI写word doc文件的时候我们必须要先有一个doc文件才行,因为我们在写doc文件的时候是通过HWPFDocument来写的,而HWPFDocument是要依附于一个doc文件的。所以通常的做法是我们先在硬盘上准备好一个内容空白的doc文件,然后建立一个基于该空白文件的HWPFDocument。之后我们就可以往HWPFDocument里面新增内容了,然后再把它写入到另外一个doc文件中,这样就相当于我们使用POI生成了word doc文件。

  1. //写字符串进word 
  2.     InputStream is = new FileInputStream(PATH); 
  3.     HWPFDocument doc = new HWPFDocument(is);    //获取Range 
  4.     Range range = doc.getRange();    for(int i = 0; i < 100; i++) {        if( i % 2 == 0 ) { 
  5.             range.insertAfter("Hello " + i + "\n");//在文件末尾插入String 
  6.         } else { 
  7.             range.insertBefore("      Bye " + i + "\n");//在文件头插入String 
  8.         } 
  9.     }    //写到原文件中 
  10.     OutputStream os = new FileOutputStream(PATH);    //写到另一个文件中 
  11.     //OutputStream os = new FileOutputStream(其他路径); 
  12.     doc.write(os);    this.closeStream(is);    this.closeStream(os);  

但是,在实际应用中,我们在生成word文件的时候都是生成某一类文件,该类文件的格式是固定的,只是某些字段不一样罢了。所以在实际应用中,我们大可不必将整个word文件的内容都通过HWPFDocument生成。而是先在磁盘上新建一个word文档,其内容就是我们需要生成的word文件的内容,然后把里面一些属于变量的内容使用类似于“${paramName}”这样的方式代替。这样我们在基于某些信息生成word文件的时候,只需要获取基于该word文件的HWPFDocument,然后调用Range的replaceText()方法把对应的变量替换为对应的值即可,之后再把当前的HWPFDocument写入到新的输出流中。这种方式在实际应用中用的比较多,因为它不但可以减少我们的工作量,还可以让文本的格式更加的清晰。下面我们就来基于这种方式做一个示例。

假设我们有个模板是这样的: 

 

 

 

之后我们以该文件作为模板,利用相关数据把里面的变量进行替换,然后把替换后的文档输出到另一个doc文件中。具体做法如下:

  1. public class HWPFTemplateTest {    /** 
  2.     * 用一个doc文档作为模板,然后替换其中的内容,再写入目标文档中。 
  3.     * @throws Exception 
  4.     */ 
  5.      
  6.      @Test 
  7.    public void testTemplateWrite() throws Exception { 
  8.       String templatePath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "template.doc"); 
  9.  
  10.       String targetPath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "target.doc"
  11.       InputStream is = new FileInputStream(templatePath); 
  12.       HWPFDocument doc = new HWPFDocument(is); 
  13.       Range range = doc.getRange();      //把range范围内的${reportDate}替换为当前的日期 
  14.       range.replaceText("${reportDate}", new SimpleDateFormat("yyyy-MM-dd").format(new Date())); 
  15.       range.replaceText("${appleAmt}""100.00"); 
  16.       range.replaceText("${bananaAmt}""200.00"); 
  17.       range.replaceText("${totalAmt}""300.00"); 
  18.       OutputStream os = new FileOutputStream(targetPath);      //把doc输出到输出流中 
  19.       doc.write(os);      this.closeStream(os);      this.closeStream(is); 
  20.    }   
  21.    /** 
  22.     * 关闭输入流 
  23.     * @param is 
  24.     */ 
  25.    private void closeStream(InputStream is) {      if (is != null) {         try { 
  26.             is.close(); 
  27.          } catch (IOException e) { 
  28.             e.printStackTrace(); 
  29.          } 
  30.       } 
  31.    }  
  32.    /** 
  33.     * 关闭输出流 
  34.     * @param os 
  35.     */ 
  36.    private void closeStream(OutputStream os) {      if (os != null) {         try { 
  37.             os.close(); 
  38.          } catch (IOException e) { 
  39.             e.printStackTrace(); 
  40.          } 
  41.       } 
  42.    }}  

三、实现docx文件的读写

POI在读写word docx文件时是通过xwpf模块来进行的,其核心是XWPFDocument。一个XWPFDocument代表一个docx文档,其可以用来读docx文档,也可以用来写docx文档。XWPFDocument中主要包含下面这几种对象: 

 

 

 

同时XWPFDocument可以直接new一个docx文件出来而不需要像HWPFDocument一样需要一个模板存在。

具体可以参考这位同学写的 POI读写docx文件 。

四、总结

欢迎大家提出建议和纠正本文可能存在的错误之处,感谢支持。 

责任编辑:庞桂玉 来源: Android技术之家
相关推荐

2013-02-22 14:45:01

.NETC#Xcode

2019-11-19 11:20:25

Python数据结构Windows

2010-12-23 09:11:17

读写Android文件

2023-04-17 16:17:19

LinuxPDF

2020-07-06 15:50:41

Python文件Linux

2021-07-30 07:57:53

Windows 操作系统微软

2021-04-02 06:35:49

Bash读写文件Linux

2009-07-24 10:23:07

WORD文件转换PDFASP.NET

2021-04-04 08:00:39

C++编程语言软件开发

2010-07-14 17:11:57

Perl文件

2023-08-29 22:41:02

2010-01-22 16:21:50

C++ Builder

2016-09-06 22:16:42

JavaDOCXPDF

2018-12-09 14:20:05

LinuxPDF移除密码

2021-10-10 18:30:23

Chrome插件浏览器

2023-04-07 08:32:31

模块Python

2010-01-26 17:18:13

Android读写文件

2015-08-04 14:04:28

UbuntuPDF文件

2017-08-01 17:34:47

Linux内核驱动文件读写

2020-05-11 10:59:02

PythonWord工具
点赞
收藏

51CTO技术栈公众号