使用poi读取word2007(.docx)中的复杂表格
最近工作需要做一个读取word(.docx)中的表格，并以html形式输出。经过上网查询，使用了poi。
对于2007及之后的word文档，需要导入poi-ooxml-xxx.jar及其依赖包，如下图（图中为使用maven）：
对于简单表格，可以使用如下方式来获取每个表格的内容：
XWPFDocument document = new XWPFDocument(new FileInputStream("word.docx"));
// 获取所有表格
List<XWPFTable> tables = document.getTables();
for (XWPFTable table : tables) {
// 获取表格的行
List<XWPFTableRow> rows = table.getRows();
for (XWPFTableRow row : rows) {
// 获取表格的每个单元格
List<XWPFTableCell> tableCells = row.getTableCells();
for (XWPFTableCell cell : tableCells) {
// 获取单元格的内容
String text = cell.getText();
}
}
}
但是对于复杂表格（含合并的单元格），则无法正常处理。
于是继续上网查询，在stackoverflow查到如下生成含有合并的单元格的表格：
public class CreateWordTableMerge {
static void mergeCellVertically(XWPFTable table, int col, int fromRow, int toRow) {
for(int rowIndex = fromRow; rowIndex <= toRow; rowIndex++){
CTVMerge vmerge = CTVMerge.Factory.newInstance();
if(rowIndex == fromRow){
// The first merged cell is set with RESTART merge value
vmerge.setVal(STMerge.RESTART);
} else {
// Cells which join (merge) the first one, are set with CONTINUE
vmerge.setVal(STMerge.CONTINUE);
}
XWPFTableCell cell = table.getRow(rowIndex).getCell(col);
// Try getting the TcPr. Not simply setting an new one every time.
CTTcPr tcPr = cell.getCTTc().getTcPr();
if (tcPr != null) {
tcPr.setVMerge(vmerge);
} else {
// only set an new TcPr if there is not one already
tcPr = CTTcPr.Factory.newInstance();
tcPr.setVMerge(vmerge);
cell.getCTTc().setTcPr(tcPr);
}
}
}
static void mergeCellHorizontally(XWPFTable table, int row, int fromCol, int toCol) {
for(int colIndex = fromCol; colIndex <= toCol; colIndex++){
CTHMerge hmerge = CTHMerge.Factory.newInstance();
if(colIndex == fromCol){
// The first merged cell is set with RESTART merge value
hmerge.setVal(STMerge.RESTART);
} else {
// Cells which join (merge) the first one, are set with CONTINUE
hmerge.setVal(STMerge.CONTINUE);
}
XWPFTableCell cell = table.getRow(row).getCell(colIndex);
// Try getting the TcPr. Not simply setting an new one every time.
CTTcPr tcPr = cell.getCTTc().getTcPr();
if (tcPr != null) {
tcPr.setHMerge(hmerge);
} else {
// only set an new TcPr if there is not one already
tcPr = CTTcPr.Factory.newInstance();
tcPr.setHMerge(hmerge);
cell.getCTTc().setTcPr(tcPr);
}
}
}
public static void main(String[] args) throws Exception {
XWPFDocument document= new XWPFDocument();
XWPFParagraph paragraph = document.createParagraph();
XWPFRun run=paragraph.createRun();
run.setText("The table:");
//create table
XWPFTable table = document.createTable(3,5);
for (int row = 0; row < 3; row++) {
for (int col = 0; col < 5; col++) {
table.getRow(row).getCell(col).setText("row " + row + ", col " + col);
}
}
//create and set column widths for all columns in all rows
//most examples don't set the type of the CTTblWidth but this
//is necessary for working in all office versions
for (int col = 0; col < 5; col++) {
CTTblWidth tblWidth = CTTblWidth.Factory.newInstance();
tblWidth.setW(BigInteger.valueOf(1000));
tblWidth.setType(STTblWidth.DXA);
for (int row = 0; row < 3; row++) {
CTTcPr tcPr = table.getRow(row).getCell(col).getCTTc().getTcPr();
if (tcPr != null) {
tcPr.setTcW(tblWidth);
} else {
tcPr = CTTcPr.Factory.newInstance();
tcPr.setTcW(tblWidth);
table.getRow(row).getCell(col).getCTTc().setTcPr(tcPr);
}
}
}
//using the merge methods
mergeCellVertically(table, 0, 0, 1);
mergeCellHorizontally(table, 1, 2, 3);
mergeCellHorizontally(table, 2, 1, 4);
paragraph = document.createParagraph();
FileOutputStream out = new FileOutputStream("create_table.docx");
document.write(out);
System.out.println("create_table.docx written successully");
}
}
运行一下确实可以实现，不过仍是一头雾水，对于其中的cTTc，tcPr，vMerge等属性仍是不知道是什么。
直到后来知道了Office Open XML (OOXML) ，可以将.docx文件后缀改为.zip，即可以使用解压软件打开，进入后有一个word文件夹，里面的document.xml即为word正文内容。
对于word中的上图行合并表格，对应的xml如下：
<w:tbl>
<w:tblPr>
<w:tblStyle w:val="a3"/>
<w:tblW w:w="0" w:type="auto"/>
<w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>
</w:tblPr>
<w:tblGrid>
<w:gridCol w:w="2765"/>
<w:gridCol w:w="2765"/>
</w:tblGrid>
<w:tr w:rsidR="00151AA4" w:rsidTr="000249EF">
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
<w:vMerge w:val="restart"/>
</w:tcPr>
<w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4" w:rsidP="00915802">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>0,0</w:t>
</w:r>
</w:p>
</w:tc>
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
</w:tcPr>
<w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>0,1</w:t>
</w:r>
</w:p>
</w:tc>
</w:tr>
<w:tr w:rsidR="00151AA4" w:rsidTr="000249EF">
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
<w:vMerge/>
</w:tcPr>
<w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4"/>
</w:tc>
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
</w:tcPr>
<w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>1,1</w:t>
</w:r>
<w:bookmarkStart w:id="0" w:name="_GoBack"/>
<w:bookmarkEnd w:id="0"/>
</w:p>
</w:tc>
</w:tr>
</w:tbl>
看到这里，相信大家会理解了前面的tc，tcPr，vMerge等属性了吧。
其中w:tr表示的是表格的一行，tcPr代表的是一个单元格的属性。
具体可以参考：http://www.datypic.com/sc/ooxml/e-w_tbl-1.html
下面在给大家展示一下列合并的情况，大家也可以用来验证一下：
对应的xml:
<w:tbl>
<w:tblPr>
<w:tblStyle w:val="a3"/>
<w:tblW w:w="0" w:type="auto"/>
<w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>
</w:tblPr>
<w:tblGrid>
<w:gridCol w:w="2765"/>
<w:gridCol w:w="2765"/>
</w:tblGrid>
<w:tr w:rsidR="006C0A9A" w:rsidTr="006C099A">
<w:tc>
<w:tcPr>
<w:tcW w:w="5530" w:type="dxa"/>
<w:gridSpan w:val="2"/>
</w:tcPr>
<w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>0,0</w:t>
</w:r>
</w:p>
</w:tc>
</w:tr>
<w:tr w:rsidR="006C0A9A" w:rsidTr="000249EF">
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
</w:tcPr>
<w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>1,0</w:t>
</w:r>
</w:p>
</w:tc>
<w:tc>
<w:tcPr>
<w:tcW w:w="2765" w:type="dxa"/>
</w:tcPr>
<w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">
<w:r>
<w:rPr>
<w:rFonts w:hint="eastAsia"/>
</w:rPr>
<w:t>1,1</w:t>
</w:r>
</w:p>
</w:tc>
</w:tr>
</w:tbl>
通过观察可以总结如下(使用poi提供的方法)：
行合并情况：
CTTcPr tcpr = tables.get(0).getRow(2).getCell(0).getCTTc().getTcPr(); // 此属性每个单元格都有，为每个单元格的属性：tableCell.cellProperty
如果是行合并的第一行单元格，则： tcpr.getVMerge().getVal().toString() == "restart"
如果是行合并的其他行单元格，则： tcpr.getVMerge().getVal() == null
如果不是行合并的单元格，则： tcpr.getVMerge() == null
列合并情况：
CTTcPr tcpr = tables.get(0).getRow(2).getCell(0).getCTTc().getTcPr();
如果是列合并的第一列单元格，则：tcpr.getGridSpan().getVal()可以获取到这列单元格所占的行数
其他单元格：tcpr.getGridSpan() == null
这里有一个获取表格内容转为html的demo供大家参考。