Прочтите содержимое файла .doc и напишите в pdf-файл в java

Question

Я пишу Java-код, который использует Apache-poi для чтения MS-Office .doc-файла и itext jar API для создания и записи в файл pdf. Я прочитал тексты и таблицы, напечатанные в файле .doc. Теперь я ищу решение, которое читает изображения, написанные в документе. Для чтения изображений в файле документа я закодирован следующим образом. Почему этот код не работает.

public static void main(String[] args) { 
    POIFSFileSystem fs = null; 
    Document document = new Document(); 
    WordExtractor extractor = null ; 
    try { 
     fs = new POIFSFileSystem(new FileInputStream("C:\\DATASTORE\\tableandImage.doc")); 
     HWPFDocument hdocument=new HWPFDocument(fs); 
     extractor = new WordExtractor(hdocument); 
     OutputStream fileOutput = new FileOutputStream(new File("C:/DATASTORE/tableandImage.pdf")); 
     PdfWriter.getInstance(document, fileOutput); 
     document.open(); 
     Range range=hdocument.getRange(); 
     String readText=null; 
     PdfPTable createTable; 
     CharacterRun run; 
     PicturesTable picture; 

     for(int i=0;i<range.numParagraphs();i++) { 
      Paragraph par = range.getParagraph(i); 
      readText=par.text(); 
      if(!par.isInTable()) { 
       if(readText.endsWith("\n")) { 
        readText=readText+"\n"; 
        document.add(new com.itextpdf.text.Paragraph(readText)); 
       } if(readText.endsWith("\r")) { 
         readText += "\n"; 
         document.add(new com.itextpdf.text.Paragraph(readText)); 
        } 
       run =range.getCharacterRun(i); 
       picture=hdocument.getPicturesTable(); 
       if(picture.hasPicture(run)) { 
       //if(run.isSpecialCharacter()) { 
        Picture pic=picture.extractPicture(run, true); 
        byte[] picturearray=pic.getContent(); 
        com.itextpdf.text.Image image=com.itextpdf.text.Image.getInstance(picturearray); 
        document.add(image); 
       } 
      } else if (par.isInTable()) { 
        Table table = range.getTable(par); 
        TableRow tRow1= table.getRow(0); 
        int numColumns=tRow1.numCells(); 
        createTable=new PdfPTable(numColumns); 
        for (int rowId=0;rowId<table.numRows();rowId++) { 
         TableRow tRow = table.getRow(rowId); 
         for (int cellId=0;cellId<tRow.numCells();cellId++) { 
          TableCell tCell = tRow.getCell(cellId); 
          PdfPCell c1 = new PdfPCell(new Phrase(tCell.text())); 
          createTable.addCell(c1); 
         } 
        } 
        document.add(createTable); 
       } 
     } 
    }catch(IOException e) { 
     System.out.println("IO Exception"); 
     e.printStackTrace(); 
    } 
    catch(Exception exep) { 
     exep.printStackTrace(); 
    }finally { 
     document.close(); 
    } 
} 

Проблемы: 1. Условие, если (picture.hasPicture (запуск)) не удовлетворяет, но документ имеет изображение JPEG.

1. Я получаю следующее исключение во время чтения таблицы.

   java.lang.IllegalArgumentException: Этот пункт не является первым в таблице на org.apache.poi.hwpf.usermodel.Range.getTable (Range.java:876) в pagecode.ReadDocxOrDocFile.main (ReadDocxOrDocFile.java:113)

Помогите мне решить эту проблему. Спасибо.

Answer 1

Что касается вашего исключения:

Ваш код перебирает все пункты и называет isInTable() для каждого из них. Поскольку таблицы обычно состоят из нескольких таких абзацев, ваш вызов getTable() также выполняется несколько раз для одной таблицы.

Однако вместо этого необходимо, чтобы ваш код должен был найти первый абзац таблицы, а затем обработать все абзацы в нем (через getRow(m).getCell(n)) и в конечном итоге продолжить внешний цикл в первом абзаце после таблицы. Codewise это может выглядеть примерно следующим образом (при условии отсутствия объединенных ячеек, ни вложенных таблиц и никаких других случаев смешного края):

if (par.isInTable()) { 
    Table table = range.getTable(par); 
    for (int rn=0; rn<table.numRows(); rn++) { 
     TableRow row = table.getRow(rn); 
     for (int cn=0; cn<row.numCells(); cn++) { 
      TableCell cell = row.getCell(cn); 
      for (int pn=0; pn<cell.numParagraphs(); pn++) { 
       Paragraph cellParagraph = cell.getParagraph(pn); 
       // your PDF conversion code goes here 
      } 
     } 
    } 
    i += table.numParagraphs()-1; // skip the already processed (table-)paragraphs in the outer loop 
} 

Что касается вопроса картинки:

Может ли я угадать правильно, что вы пытаясь получить картину, закрепленную в данном параграфе? К сожалению, предопределенные методы POI работают только в том случае, если изображение не встроено в поле (что на самом деле довольно редко). Для изображений на местах на основе (то есть предварительный просмотр изображений встроенных Олесь), вы должны сделать что-то вроде следующего (непроверенные!):

PictureStore pictureStore = new PictureStore(hdocument); 
// bla bla ... 
for (int cr=0; cr < par.numCharacterRuns(); cr++) { 
    CharacterRun characterRun = par.getCharacterRun(cr); 
    Field field = hdocument.getFields().getFieldByStartOffset(FieldsDocumentPart.MAIN, characterRun.getStartOffset()); 
    if (field != null && field.getType() == 0x3A) { // 0x3A is type "EMBED" 
     Picture pic = pictureStore.getPicture(field.secondSubrange(characterRun)); 
    } 
} 

Для списка возможных значений Field.getType() см here.