이전

Apache POI를 사용하여 Excel 데이터를 읽는 것이 흔한 (?) 것이라고 생각하지만, 요즘 이번에는 슬프게도
Word 데이터를 로드해야 했으므로 여기에 메모를 남깁니다.

Apache POI로 Word 파일 편집 - M12i. 에 의하면, Word 내의 데이터는 Range > Section > Paragraph > CharacterRun 의 계층 구조로 취득할 수 있다고 한다.

그러므로, 우선 어떤 구조로 되어 있는지 전체를 표시해 본다.

소스 코드

build.gradle

...
repositories {
  mavenCentral()
}

dependencies {
  compile 'org.apache.poi:poi-scratchpad:3.11'
}

이것은 2003 형식의 Word 파일을 읽고 있습니다.

Main.java

package com.example;

import java.util.stream.IntStream;

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.hwpf.usermodel.Section;

public class Main {

  public static void main(String[] args) throws Exception {
    // クラスパス上に配置したWordファイルを読み込む。
    HWPFDocument document =
        new HWPFDocument(Main.class.getResourceAsStream("/sample.doc"));

    // ドキュメント全体を読み込む。
    Range text = document.getRange();

    IntStream.range(0, text.numSections()).forEach(sNo -> {
      Section section = text.getSection(sNo);

      IntStream.range(0, section.numParagraphs()).forEach(pNo -> {
        Paragraph paragraph = section.getParagraph(pNo);

        IntStream.range(0, paragraph.numCharacterRuns()).forEach(cNo -> {
          CharacterRun characterRun = paragraph.getCharacterRun(cNo);

          System.out.printf("%d:%d:%d:%s", sNo, pNo, cNo, characterRun.text());
          System.out.println();

        });
      });
    });

  }

}

Java 8 잘 다루고 있는 느낌이 별로 없지만, 이것으로 우선 전문 CharacterRun 에 분해한 상태로 표시할 수 있다.



불행히도 수수께끼의 문자가 혼란스러워서 좀처럼 매운 맛이 있다.