اسناد باینری Microsoft Word را پردازش کنید

شروع به کار با Apache POI HWPF

اول از همه، شما باید کیت توسعه جاوا (JDK) را روی سیستم خود نصب کنید. اگر قبلاً آن را دارید، به صفحه دانلود POI Apache بروید تا آخرین نسخه پایدار را در یک آرشیو دریافت کنید. محتویات فایل ZIP را در هر دایرکتوری که از آنجا می توان کتابخانه های مورد نیاز را به برنامه جاوا شما پیوند داد استخراج کنید. این همه است!

ارجاع به POI Apache در پروژه جاوا مبتنی بر Maven شما حتی ساده تر است. تنها چیزی که نیاز دارید این است که وابستگی زیر را در pom.xml خود اضافه کنید و اجازه دهید IDE شما فایل های Apache POI Jar را واکشی و ارجاع دهد.

<!-- https://mvnrepository.com/artifact/org.apache.poi/poi -->
  <dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-scratchpad</artifactId>
    <version>4.0.0</version>
  </dependency>
  

ایجاد و اصلاح اسناد Word با استفاده از API های جاوا

Apache POI HWPF برنامه نویسان را قادر می سازد تا اسناد Word جدید را در فرمت های فایل DOC ایجاد کنند. API همچنین به توسعه دهندگان اجازه می دهد تا اسناد Word موجود را بر اساس نیازهای خود تغییر دهند. API همچنین از افزودن یک پاراگراف در سند Word، اعمال ترازبندی متن و سبک‌های فونت و موارد دیگر پشتیبانی می‌کند.

// open an empty doc file, using APACHE POI we cannot create .doc file format from scratch
HWPFDocument doc = new HWPFDocument(new FileInputStream("empty.doc"));
Range range = doc.getRange();
// inset text
CharacterRun run = range.insertAfter("File Format Developer Guide - " +
"Learn about computer files that you come across in " +
"your daily work at: www.fileformat.com ");
OutputStream out = new FileOutputStream("document.pdf");
// save document
doc.write(out);
out.close();

با استفاده از جاوا اسناد Word را به فرمت های دیگر تبدیل کنید

pache POI HWPF توسعه دهندگان نرم افزار را قادر می سازد تا اسناد Word Microsoft را به راحتی به هر فرمت فایل پشتیبانی شده تبدیل کنند. در حال حاضر توسعه دهندگان جاوا می توانند اسناد Word را به فرمت HTML، FO و Text تبدیل کنند. بسته org.apache.poi.hwpf.converter حاوی مبدل های Word-to-HTML و Word-to-FO است.

// load document
HWPFDocumentCore wordDocument = WordToHtmlUtils.loadDoc(new FileInputStream("document.doc"));
Document newDocument = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();
// initialize WordToHtmlConverter
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(newDocument );
// process document
wordToHtmlConverter.processDocument( wordDocument );
StringWriter stringWriter = new StringWriter();
Transformer transformer = TransformerFactory.newInstance().newTransformer();
transformer.setOutputProperty( OutputKeys.INDENT, "yes" );
transformer.setOutputProperty( OutputKeys.ENCODING, "utf-8" );
transformer.setOutputProperty( OutputKeys.METHOD, "html" );
transformer.transform(
    new DOMSource( wordToHtmlConverter.getDocument() ),
    new StreamResult( stringWriter ) );
// get html
String html = stringWriter.toString();

متن از فایل DOC را بخوانید

Apache POI HWPF کلاس WordExtractor را برای خواندن متن از فرمت فایل Microsoft Word DOC ارائه می دهد. تنها با چند خط کد می توانید متن را از فایل استخراج کنید.

// load DOC file
FileInputStream fis = new FileInputStream(new File("document.doc"));
// open file
HWPFDocument doc = new HWPFDocument(fis);
// read text
WordExtractor extractor = new WordExtractor(doc);
// display text
System.out.println(extractor.getText());

هدر و پاورقی سفارشی را به DOC اضافه کنید

Apache POI HWPF توسعه دهندگان جاوا را قادر می سازد تا سرصفحه ها و پاورقی های سفارشی را در اسناد Word ایجاد کنند. Apache POI HWPF به عنوان "با عملکرد متوسط" توصیف می شود. این پشتیبانی از استخراج متن اصلی، استخراج متن خاص، دسترسی به هدر و پاورقی و تغییر ویژگی های متن را فراهم می کند. متد getText() می تواند برای دریافت متن از تمام پاراگراف ها استفاده شود یا getParagraphText() می تواند برای واکشی متن از هر پاراگراف به نوبه خود استفاده شود. 

// The path to the documents directory.
String dataDir = Utils.getDataDir(ApacheHeaders.class);
POIFSFileSystem fs = null;
fs = new POIFSFileSystem(new FileInputStream(dataDir + "MyHeader.doc"));
HWPFDocument doc = new HWPFDocument(fs);
int pageNumber = 1;
HeaderStories headerStore = new HeaderStories(doc);
String header = headerStore.getHeader(pageNumber);
System.out.println("Header Is: " + header);