Memproses Dokumen Biner Microsoft Word

Memulai dengan Apache POI HWPF

Pertama-tama, Anda harus menginstal Java Development Kit (JDK) di sistem Anda. Jika Anda sudah memilikinya, lanjutkan ke halaman unduh Apache POI untuk mendapatkan rilis stabil terbaru dalam arsip. Ekstrak konten file ZIP di direktori mana pun dari mana pustaka yang diperlukan dapat ditautkan ke program Java Anda. Itu semuanya!

Merujuk Apache POI dalam proyek Java berbasis Maven Anda bahkan lebih sederhana. Yang Anda butuhkan hanyalah menambahkan dependensi berikut di pom.xml Anda dan biarkan IDE Anda mengambil dan mereferensikan file Apache POI Jar.

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

Membuat dan Memodifikasi Dokumen Word menggunakan Java API

Apache POI HWPF memungkinkan pemrogram untuk membuat Dokumen Word baru dalam format file DOC. API juga memungkinkan pengembang untuk memodifikasi Dokumen Word yang ada sesuai dengan kebutuhan mereka sendiri. API juga mendukung penambahan paragraf dalam dokumen Word, menerapkan perataan teks & gaya font, dan banyak lagi.

// 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();

Konversi Dokumen Word ke Format Lain menggunakan Java

pache POI HWPF memungkinkan pengembang Perangkat Lunak untuk mengonversi dokumen Microsoft word ke format file apa pun yang didukung dengan mudah. Saat ini pengembang Java dapat mengonversi dokumen Word ke format HTML, FO, dan Teks. Paket org.apache.poi.hwpf.converter berisi konverter Word-to-HTML dan Word-to-FO.

// 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();

Baca Teks Dari File DOC

Apache POI HWPF menyediakan kelas WordExtractor untuk membaca teks dari format file Microsoft Word DOC. Anda dapat mengekstrak teks dari file hanya dengan beberapa baris kode.

// 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());

Tambahkan Header & Footer Kustom ke DOC

Apache POI HWPF memungkinkan pengembang Java untuk membuat header dan footer khusus di dalam dokumen Word. Apache POI HWPF digambarkan sebagai "cukup fungsional". Ini memberikan dukungan untuk ekstraksi teks dasar, ekstraksi teks tertentu, akses ke header & footer, dan mengubah fitur teks. Metode getText() dapat digunakan untuk mendapatkan teks dari semua paragraf, atau getParagraphText() dapat digunakan untuk mengambil teks dari setiap paragraf secara bergantian. 

// 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);