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

  • nacos服务无法注册到nacos服务中心问题及解决

    nacos服务无法注册到nacos服务中心问题及解决

    本文详细描述了在Linux服务器上使用Tomcat启动Java程序时,服务无法注册到Nacos的排查过程,通过一系列排查步骤,发现问题出在Tomcat的启动机制上,导致无法自动触发服务注册事件,最终,通过实现`ApplicationRunner`接口,手动触发服务注册事件,解决了问题
    2025-11-11
  • 解决Maven项目中 Invalid bound statement 无效的绑定问题

    解决Maven项目中 Invalid bound statement 无效的绑定问题

    这篇文章主要介绍了解决Maven项目中 Invalid bound statement 无效的绑定问题,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
    2021-06-06
  • java中List对象列表实现去重或取出及排序的方法

    java中List对象列表实现去重或取出及排序的方法

    这篇文章主要介绍了关于java中List对象列表实现去重或取出以及排序的方法,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,需要的朋友们下面跟着小编来一起学习学习吧。
    2017-08-08
  • MybatisPlus:使用SQL保留字(关键字)的操作

    MybatisPlus:使用SQL保留字(关键字)的操作

    这篇文章主要介绍了MybatisPlus:使用SQL保留字(关键字)的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-11-11
  • SpringBoot外部化配置使用Plus版的方法示例

    SpringBoot外部化配置使用Plus版的方法示例

    这篇文章主要介绍了SpringBoot外部化配置使用Plus版的方法示例,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
    2020-05-05
  • JAVA Netty实现聊天室+私聊功能的示例代码

    JAVA Netty实现聊天室+私聊功能的示例代码

    这篇文章主要介绍了JAVA Netty实现聊天室+私聊功能的示例代码,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
    2020-08-08
  • java迷宫算法的理解(递归分割,递归回溯,深搜,广搜)

    java迷宫算法的理解(递归分割,递归回溯,深搜,广搜)

    本文主要使用的算法(自动生成地图:递归分割法、递归回溯法;寻找路径:深度优先、广度优先算法),非常具有实用价值,需要的朋友可以参考下
    2021-06-06
  • MYSQL批量插入数据的实现代码

    MYSQL批量插入数据的实现代码

    非常的实现原理,代码较多,建议大家仔细看看。
    2008-10-10
  • 搭建JavaWeb服务器步骤详解

    搭建JavaWeb服务器步骤详解

    本篇文章主要给大家详细分享了搭建JavaWeb服务器的详细步骤以及用到的代码,对此有需要的朋友可以跟着学习下。
    2018-02-02
  • SpringBoot 项目添加 MDC 日志链路追踪的执行流程

    SpringBoot 项目添加 MDC 日志链路追踪的执行流程

    日志链路追踪就是将一个标志跨线程进行传递,在一般的小项目中也就是在你新起一个线程的时候,或者使用线程池执行任务的时候会用到,比如追踪一个用户请求的完整执行流程,本文给大家介绍SpringBoot MDC 日志链路追踪的代码,感兴趣的朋友一起看看吧
    2021-06-06

最新评论