Android中如何读写Word doc/ docx和PDF文件？-将pdf文件转化为word文件

最近在项目中要生成Word的doc和docx文件，一番百度google之后，发现通过java语言实现的主流是Apache的POI组件。除了POI，这里还有另一种实现，不过我没有去研究，有兴趣的同学可以研究研究。

关于 POI 可以访问 Apache POI的官网获取详细的信息。

进入主题!

由于项目中只是用到了doc和docx的组件，下面也只是介绍这两个组件的使用

一、在Android Studio中如何用POI组件

从POI官网上看，貌似暂并不支持IntelliJ IDE，如下图，所以这里我们采用直接下载jar包并导入项目的方式。

通过官网 ->Overview->Components，可以看到 d和docx文件分别对应着组件 HWPF 和XWPF ，而HWPF和XWPF则对应着poi-scratchpad和poi-ooxml

下载

进入Apache 下载页面，选择***版下载，如下。选择The latest beta release is Apache POI 3.16-beta2会跳转到poi-bin-3.16-beta2-20170202.tar.gz，然后点击poi-bin-3.16-beta2-20170202.tar.gz，选择镜像后即可成功下载。

注linux系统选择.tar.gz windows系统选择.zip

解压

将下载后的压缩包解压，会得到以下文件。

导入

不熟悉怎么导入的同学可以看看 Android Studio导入jar包教程

1、doc 对于doc文件，需要将 lib文件夹下jar包，poi-3.16-beta2.jar，poi-scratchpad-3.16-beta2.jar 放入android项目libs目录下(lib文件夹下的junit-4.12.jar和log4j-1.2.17.jar不放我的项目也没出现异常，能少点是点)。

2、docx 对于docx，需要导入 lib文件夹下jar包，poi-3.16-beta2.jar，poi-ooxml-3.16-beta2.jar，poi-ooxml-schemas-3.16-beta2.jar和ooxml-lib下的包，由于一直我这一直出现 Warning:Ingoring InnerClasses attribute for an anonymous inner class 的错误，同时由于doc基本满足我的需求以及导入这么多jar导致apk体积增大，就没有去实现。有兴趣的同学可以研究研究。

二、实现doc文件的读写

Apache POI中的HWPF模块是专门用来读取和生成doc格式的文件。在HWPF中，我们使用HWPFDocument来表示一个word doc文档。在看代码之前，有必要了解HWPFDocument中的几个概念：

注意： Section、Paragraph、CharacterRun和Table都继承自Range。

读写前注意： Apache POI 提供的HWPFDocument类只能读写规范的.doc文件，也就是说假如你使用修改后缀名的方式生成doc文件或者直接以命名的方式创建，将会出现错误“Your file appears not to be a valid OLE2 document”

Invalid header signature; read 0x7267617266202E31, expected 0xE11AB1A1E011CFD0 - Your file appears not to be a valid OLE2 document

DOC读

读doc文件有两种方式 (a)通过WordExtractor读文件 (b)通过HWPFDocument读文件

在日常应用中，我们从word文件里面读取信息的情况非常少见，更多的还是把内容写入到word文件中。使用POI从word doc文件读取数据时主要有两种方式：通过WordExtractor读和通过HWPFDocument读。在WordExtractor内部进行信息读取时还是通过HWPFDocument来获取的。

使用WordExtractor读

在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。下面是使用WordExtractor读取文件的一个示例：

//通过WordExtractor读文件public class WordExtractorTest { 
 
   private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "WordExtractorTest";    
   private void log(Object o) { 
       Log.d(TAG, String.valueOf(o)); 
   }   public void testReadByExtractor() throws Exception { 
      InputStream is = new FileInputStream(PATH); 
      WordExtractor extractor = new WordExtractor(is);      //输出word文档所有的文本 
      log(extractor.getText()); 
      log(extractor.getTextFromPieces());      //输出页眉的内容 
      log("页眉：" + extractor.getHeaderText());      //输出页脚的内容 
      log("页脚：" + extractor.getFooterText());      //输出当前word文档的元数据信息，包括作者、文档的修改时间等。 
      log(extractor.getMetadataTextExtractor().getText());      //获取各个段落的文本 
      String paraTexts[] = extractor.getParagraphText();      for (int i=0; i<paraTexts.length; i++) { 
         log("Paragraph " + (i+1) + " : " + paraTexts[i]); 
      }      //输出当前word的一些信息 
      printInfo(extractor.getSummaryInformation());      //输出当前word的一些信息 
      this.printInfo(extractor.getDocSummaryInformation());      this.closeStream(is); 
   }   
   /** 
    * 输出SummaryInfomation 
    * @param info 
    */ 
   private void printInfo(SummaryInformation info) {      //作者 
      log(info.getAuthor());      //字符统计 
      log(info.getCharCount());      //页数 
      log(info.getPageCount());      //标题 
      log(info.getTitle());      //主题 
      log(info.getSubject()); 
   }   
   /** 
    * 输出DocumentSummaryInfomation 
    * @param info 
    */ 
   private void printInfo(DocumentSummaryInformation info) {      //分类 
      log(info.getCategory());      //公司 
      log(info.getCompany()); 
   }   
   /** 
    * 关闭输入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }}

使用HWPFDocument读

HWPFDocument是当前Word文档的代表，它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等，还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的，也就是说我们改变的是HWPFDocument，而不是磁盘上的文件。如果要使这些修改生效的话，我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流，也可以是新文件的输出流(相当于另存为)或其它输出流。下面是一个通过HWPFDocument读文件的示例：

//使用HWPFDocument读文件public class HWPFDocumentTest { 
   
   private final String PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "test.doc");   private static final String TAG = "HWPFDocumentTest";    
   private void log(Object o) { 
       Log.d(TAG, String.valueOf(o)); 
   }   public void testReadByDoc() throws Exception { 
      InputStream is = new FileInputStream(PATH); 
      HWPFDocument doc = new HWPFDocument(is);      //输出书签信息 
      this.printInfo(doc.getBookmarks());      //输出文本 
      log(doc.getDocumentText()); 
      Range range = doc.getRange();      //读整体 
      this.printInfo(range);      //读表格 
      this.readTable(range);      //读列表 
      this.readList(range);      this.closeStream(is); 
   }   
   /** 
    * 关闭输入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }   
   /** 
    * 输出书签信息 
    * @param bookmarks 
    */ 
   private void printInfo(Bookmarks bookmarks) {      int count = bookmarks.getBookmarksCount(); 
      log("书签数量：" + count); 
      Bookmark bookmark;      for (int i=0; i<count; i++) { 
         bookmark = bookmarks.getBookmark(i); 
         log("书签" + (i+1) + "的名称是：" + bookmark.getName()); 
         log("开始位置：" + bookmark.getStart()); 
         log("结束位置：" + bookmark.getEnd()); 
      } 
   }   
   /** 
    * 读表格 
    * 每一个回车符代表一个段落，所以对于表格而言，每一个单元格至少包含一个段落，每行结束都是一个段落。 
    * @param range 
    */ 
   private void readTable(Range range) {      //遍历range范围内的table。 
      TableIterator tableIter = new TableIterator(range); 
      Table table; 
      TableRow row; 
      TableCell cell;      while (tableIter.hasNext()) { 
         table = tableIter.next();         int rowNum = table.numRows();         for (int j=0; j<rowNum; j++) { 
            row = table.getRow(j);            int cellNum = row.numCells();            for (int k=0; k<cellNum; k++) { 
                cell = row.getCell(k);                //输出单元格的文本 
                log(cell.text().trim()); 
            } 
         } 
      } 
   }   
   /** 
    * 读列表 
    * @param range 
    */ 
   private void readList(Range range) {      int num = range.numParagraphs(); 
      Paragraph para;      for (int i=0; i<num; i++) { 
         para = range.getParagraph(i);         if (para.isInList()) { 
            log("list: " + para.text()); 
         } 
      } 
   }   
   /** 
    * 输出Range 
    * @param range 
    */ 
   private void printInfo(Range range) {      //获取段落数 
      int paraNum = range.numParagraphs(); 
      log(paraNum);      for (int i=0; i<paraNum; i++) { 
         log("段落" + (i+1) + "：" + range.getParagraph(i).text());         if (i == (paraNum-1)) {            this.insertInfo(range.getParagraph(i)); 
         } 
      }      int secNum = range.numSections(); 
      log(secNum); 
      Section section;      for (int i=0; i<secNum; i++) { 
         section = range.getSection(i); 
         log(section.getMarginLeft()); 
         log(section.getMarginRight()); 
         log(section.getMarginTop()); 
         log(section.getMarginBottom()); 
         log(section.getPageHeight()); 
         log(section.text()); 
      } 
   }   
   /** 
    * 插入内容到Range，这里只会写到内存中 
    * @param range 
    */ 
   private void insertInfo(Range range) { 
      range.insertAfter("Hello"); 
   }}

DOC写

使用HWPFDocument写文件

在使用POI写word doc文件的时候我们必须要先有一个doc文件才行，因为我们在写doc文件的时候是通过HWPFDocument来写的，而HWPFDocument是要依附于一个doc文件的。所以通常的做法是我们先在硬盘上准备好一个内容空白的doc文件，然后建立一个基于该空白文件的HWPFDocument。之后我们就可以往HWPFDocument里面新增内容了，然后再把它写入到另外一个doc文件中，这样就相当于我们使用POI生成了word doc文件。

//写字符串进word 
    InputStream is = new FileInputStream(PATH); 
    HWPFDocument doc = new HWPFDocument(is);    //获取Range 
    Range range = doc.getRange();    for(int i = 0; i < 100; i++) {        if( i % 2 == 0 ) { 
            range.insertAfter("Hello " + i + "\n");//在文件末尾插入String 
        } else { 
            range.insertBefore("      Bye " + i + "\n");//在文件头插入String 
        } 
    }    //写到原文件中 
    OutputStream os = new FileOutputStream(PATH);    //写到另一个文件中 
    //OutputStream os = new FileOutputStream(其他路径); 
    doc.write(os);    this.closeStream(is);    this.closeStream(os);

但是，在实际应用中，我们在生成word文件的时候都是生成某一类文件，该类文件的格式是固定的，只是某些字段不一样罢了。所以在实际应用中，我们大可不必将整个word文件的内容都通过HWPFDocument生成。而是先在磁盘上新建一个word文档，其内容就是我们需要生成的word文件的内容，然后把里面一些属于变量的内容使用类似于“${paramName}”这样的方式代替。这样我们在基于某些信息生成word文件的时候，只需要获取基于该word文件的HWPFDocument，然后调用Range的replaceText()方法把对应的变量替换为对应的值即可，之后再把当前的HWPFDocument写入到新的输出流中。这种方式在实际应用中用的比较多，因为它不但可以减少我们的工作量，还可以让文本的格式更加的清晰。下面我们就来基于这种方式做一个示例。

假设我们有个模板是这样的：

之后我们以该文件作为模板，利用相关数据把里面的变量进行替换，然后把替换后的文档输出到另一个doc文件中。具体做法如下：

public class HWPFTemplateTest {    /** 
    * 用一个doc文档作为模板，然后替换其中的内容，再写入目标文档中。 
    * @throws Exception 
    */ 
     
     @Test 
   public void testTemplateWrite() throws Exception { 
      String templatePath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "template.doc"); 
 
      String targetPath = Environment.getExternalStorageDirectory().getAbsolutePath() + "/" + "target.doc"; 
      InputStream is = new FileInputStream(templatePath); 
      HWPFDocument doc = new HWPFDocument(is); 
      Range range = doc.getRange();      //把range范围内的${reportDate}替换为当前的日期 
      range.replaceText("${reportDate}", new SimpleDateFormat("yyyy-MM-dd").format(new Date())); 
      range.replaceText("${appleAmt}", "100.00"); 
      range.replaceText("${bananaAmt}", "200.00"); 
      range.replaceText("${totalAmt}", "300.00"); 
      OutputStream os = new FileOutputStream(targetPath);      //把doc输出到输出流中 
      doc.write(os);      this.closeStream(os);      this.closeStream(is); 
   }   
   /** 
    * 关闭输入流 
    * @param is 
    */ 
   private void closeStream(InputStream is) {      if (is != null) {         try { 
            is.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }  
   /** 
    * 关闭输出流 
    * @param os 
    */ 
   private void closeStream(OutputStream os) {      if (os != null) {         try { 
            os.close(); 
         } catch (IOException e) { 
            e.printStackTrace(); 
         } 
      } 
   }}

三、实现docx文件的读写

POI在读写word docx文件时是通过xwpf模块来进行的，其核心是XWPFDocument。一个XWPFDocument代表一个docx文档，其可以用来读docx文档，也可以用来写docx文档。XWPFDocument中主要包含下面这几种对象：

同时XWPFDocument可以直接new一个docx文件出来而不需要像HWPFDocument一样需要一个模板存在。

具体可以参考这位同学写的 POI读写docx文件。

四、总结

欢迎大家提出建议和纠正本文可能存在的错误之处，感谢支持。