Apache POI：在java中从word文档（docx）中提取一个段落和随后的表

Question

示例单词内容为

Section 1: Index
Section 2: Some description
    A. Paragraph 1
    B. Table 1
    C. Paragraph 2
    D. Paragraph 3
    E. Table 2
Section 3: test cases ( The title "test cases" is constant, so I can look for it in the doc)
    A. Paragraph 4 (First test case)
    B. Table 3 (Test steps table immediately after the para 4)
    C. Paragraph 5 (Second test case)
    B. Table 4 (Test steps table immediately after the para 5)

Apache POI提供了API来给出段落和表的列表，但我无法阅读段落（测试用例）并立即查找该段落后面的表。

我尝试使用XWPFWordExtractor（读取所有文本）、bodyElementIterator（遍历所有主体元素），但大多数都给出了getPartishText()方法，该方法给出了段落列表[para1,para2,para3,para4,para5]和getTable()方法，该方法给出了文档中的所有表的列表[table1,table2,table3,table4]。

我如何浏览所有段落，停在标题‘测试用例’之后的段落（第4段），然后寻找紧接第4段之后的表格（表3）。然后对第5段和表4重复这一点。

下面是我尝试的gist链接（代码），它给出了段落列表和表列表，但不是以我可以跟踪的顺序。

任何帮助都是非常感谢的。

Answer 1

POI中的API这个词仍然在不断变化，而且有缺陷，但是您应该能够通过以下两种方式之一遍历段落：

XWPFDocument doc = new XWPFDocument(fis);
List<XWPFParagraph> paragraphs = doc.getParagraphs();
for (XWPFParagraph p : paragraphs) {
   ... do something here
}

或

XWPFDocument doc = new XWPFDocument(fis);
Iterator<XWPFParagraph> iter = doc.getParagraphsIterator();
while (iter.hasNext()) {
   XWPFParagraph p = iter.next();
   ... do something here
}

Javadocs说xwpfdocument.getgarages()检索将文本保存在页眉或页脚中的段落，但我必须相信这是一个剪切和粘贴错误，因为xwpfheaderfooter.getgarages()也说了同样的话。查看源代码，xwpfdocument.getgarages()返回一个不可修改的列表，而使用迭代器保留可修改的段落。这在未来很可能会改变，但这是目前的工作方式。

XWPFDocument doc = new XWPFDocument(fis);
Iterator<IBodyElement> iter = doc.getBodyElementsIterator();
while (iter.hasNext()) {
   IBodyElement elem = iter.next();
   if (elem instanceof XWPFParagraph) {
      ... do something here
   } else if (elem instanceof XWPFTable) {
      ... do something here
   }
}