利用Java实现Word文档自动编号提取的方法详解

 更新时间:2025年09月26日 10:20:31   作者:疯癫的老码农  
文章介绍如何用Java从Word试卷中提取自动编号,通过创建NumberingContext类识别中文、阿拉伯数字及字母等不同编号格式,并实现getParagraphNumbering方法完成结构化转换,解决了传统方法无法解析编号的问题,感兴趣的小伙伴可以参考阅读下

一、背景

因业务需求,目前正在实现一项需求,即将一份试卷的内容提取出来,由非结构化到结构化的转换。在试卷解析的时候发现存在大纲目录中带有自动编号的格式,按照传统的方式没有解析出来,花了一番功夫,最终还是搞定了,于是写下来分享给大家。

二、概述

从一份word格式的试卷中,用java从XWPFParagraph中先判断是否有编号,如果有再提取自动编号,自动编号还是会区分不同类型的,如中文的一、二、三等,阿拉伯数字的1、2、3等,或者是字母a、b、c等。

三、正文

1、需要先实现一个自动编号上下文的class:

NumberingContext里面注册了不同格式的编号,如大写字母编号、小写字母编号、中文编号等,具体可以看代码:

 
public class NumberingContext {
    private final Map<String, List<Integer>> numberingStates = new HashMap<>();
    // 编号格式映射(可以扩展更多格式)
    public static final Map<String, NumberFormatter> FORMATTERS = new HashMap<>();
 
    static {
        FORMATTERS.put("decimal", new DecimalFormatter());
        FORMATTERS.put("lowerLetter", new LowerLetterFormatter());
        FORMATTERS.put("upperLetter", new UpperLetterFormatter()); // 新增
        FORMATTERS.put("upperRoman", new UpperRomanFormatter());
        FORMATTERS.put("chineseCounting", new ChineseCountingFormatter());
    }
 
    public String resolveNumberText(String numIdKey, int ilvl, String format, String textTemplate) {
        List<Integer> counters = numberingStates.computeIfAbsent(numIdKey, k -> new ArrayList<>());
 
        // 确保层级计数器足够长
        while (counters.size() <= ilvl) {
            counters.add(0);
        }
 
        // 更新当前层级计数器,并清空下级
        counters.set(ilvl, counters.get(ilvl) + 1);
        for (int i = ilvl + 1; i < counters.size(); i++) {
            counters.set(i, 0);
        }
 
        // 获取格式化器
        NumberFormatter formatter = FORMATTERS.get(format);
        if (formatter == null) {
            formatter = new DecimalFormatter();
        }
 
        // 替换模板中的占位符
        String result = textTemplate;
        for (int i = 0; i <= ilvl; i++) {
            String placeholder = "%" + (i + 1);
            if (i < counters.size()) {
                String replacement = formatter.format(counters.get(i));
                result = result.replace(placeholder, replacement);
            }
        }
 
        return result;
    }
}

2、不同类型的编号格式

1、DecimalFormatter

public class DecimalFormatter implements NumberFormatter {
    @Override
    public String format(int number) {
        return String.valueOf(number);
    }
}

2、LowerLetterFormatter

public class LowerLetterFormatter implements NumberFormatter {
    @Override
    public String format(int number) {
        return String.valueOf((char) ('a' + number - 1));
    }
}

3、UpperLetterFormatter

public class UpperLetterFormatter  implements NumberFormatter {
    @Override
    public String format(int number) {
        if (number < 1 || number > 26) {
            throw new IllegalArgumentException("upperLetter 格式仅支持 1-26");
        }
        return String.valueOf((char) ('A' + number - 1));
    }
}

3、接下来就是核心逻辑:

这个getParagraphNumbering方法就是可以从XWPFParagraph

提取自动的编号

public static String getParagraphNumbering(NumberingContext numberingContext, XWPFParagraph paragraph) {
        try {
            if (paragraph.getNumID() == null) {
                //"无编号";
                return "";
            }
 
            BigInteger numId = paragraph.getNumID();
            BigInteger ilvl = paragraph.getNumIlvl() != null ? paragraph.getNumIlvl() : new BigInteger("0");
 
            // 使用numId和文档信息创建唯一键
            String numIdKey = numId.toString();
 
            XWPFNumbering numbering = paragraph.getDocument().getNumbering();
            if (numbering == null) {
                //"无编号定义";
                return "";
            }
 
            XWPFNum num = numbering.getNum(numId);
            if (num == null) {
                //"编号定义不存在";
                return "";
            }
 
            BigInteger abstractNumId = num.getCTNum().getAbstractNumId().getVal();
            for (XWPFAbstractNum abstractNum : numbering.getAbstractNums()) {
                if (abstractNum.getCTAbstractNum().getAbstractNumId().equals(abstractNumId)) {
                    CTAbstractNum ctAbstractNum = abstractNum.getCTAbstractNum();
                    CTLvl ctLvl = ctAbstractNum.getLvlArray(ilvl.intValue());
                    if (ctLvl != null && ctLvl.getNumFmt() != null && ctLvl.getLvlText() != null) {
                        String format = ctLvl.getNumFmt().getVal().toString();
                        String text = ctLvl.getLvlText().getVal();
 
                        return numberingContext.resolveNumberText(
                                numIdKey, ilvl.intValue(), format, text);
                    }
                }
            }
 
            //"编号层级不存在或定义不完整";
            return "";
        } catch (Exception e) {
            //"解析编号时出错";
            return "";
        }
    }

到此这篇关于利用Java实现Word文档自动编号提取的方法详解的文章就介绍到这了,更多相关Java Word文档自动编号提取内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 浅析java中密文的创建和校验

    浅析java中密文的创建和校验

    这篇文章主要为大家详细介绍了java中密文的创建和校验的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下
    2024-04-04
  • Idea如何查看Maven依赖树

    Idea如何查看Maven依赖树

    这篇文章主要介绍了Idea如何查看Maven依赖树问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-04-04
  • SpringBoot详解自定义Stater的应用

    SpringBoot详解自定义Stater的应用

    Springboot的出现极大的简化了开发人员的配置,而这之中的一大利器便是springboot的starter,starter是springboot的核心组成部分,springboot官方同时也为开发人员封装了各种各样方便好用的starter模块
    2022-07-07
  • Flink实现特定统计的归约聚合reduce操作

    Flink实现特定统计的归约聚合reduce操作

    这篇文章主要介绍了Flink实现特定统计的归约聚合reduce操作,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习吧
    2023-02-02
  • SpringBoot与knife4j的整合使用过程

    SpringBoot与knife4j的整合使用过程

    Knife4j 是一个基于Swagger构建的开源 JavaAPI文档工具,主要包括两大核心功能:文档说明和在线调试,这篇文章主要介绍了SpringBoot与knife4j的整合使用,需要的朋友可以参考下
    2024-08-08
  • Java CAS机制详解

    Java CAS机制详解

    这篇文章主要介绍了Java CAS机制,CAS机制是一种数据更新的方式。在具体讲什么是CAS机制之前,我们先来聊下在多线程环境下,对共享变量进行数据更新的两种模式:悲观锁模式和乐观锁模式
    2023-01-01
  • SpringBoot 过滤器, 拦截器, 监听器的具体使用

    SpringBoot 过滤器, 拦截器, 监听器的具体使用

    本文主要介绍了SpringBoot 过滤器, 拦截器, 监听器的具体使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-05-05
  • 使用Okhttp实现上传文件+参数请求接口form-data

    使用Okhttp实现上传文件+参数请求接口form-data

    在进行接口对接时,常遇到需要传递多种类型参数及文件上传的情况,解决此问题的关键在于参数传递和文件上传的正确处理,在Service层和Controller层的传参,可以通过@RequestParam标注或直接使用请求实体类,但若结合文件上传,则不应使用@RequestBody注解
    2024-10-10
  • 如何通过Java生成一个随机数

    如何通过Java生成一个随机数

    当我们需要在Java中生成随机数时,可以借助JDK中提供的Random类来实现,通过使用Random类,我们可以轻松地生成各种类型的随机数,下面我们就来看看如何利用Random类生成随机数吧
    2023-09-09
  • Maven的国内镜像(快速解决jar下载过慢的问题)

    Maven的国内镜像(快速解决jar下载过慢的问题)

    下面小编就为大家带来一篇Maven的国内镜像(快速解决jar下载过慢的问题)。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-06-06

最新评论