使用poi读取word2007(.docx)中的复杂表格

最近工作需要做一个读取word(.docx)中的表格，并以html形式输出。经过上网查询，使用了poi。

对于2007及之后的word文档，需要导入poi-ooxml-xxx.jar及其依赖包，如下图（图中为使用maven）：

对于简单表格，可以使用如下方式来获取每个表格的内容：

XWPFDocument document = new XWPFDocument(new FileInputStream("word.docx"));

// 获取所有表格

List<XWPFTable> tables = document.getTables();

for (XWPFTable table : tables) {

    // 获取表格的行

    List<XWPFTableRow> rows = table.getRows();

    for (XWPFTableRow row : rows) {

        // 获取表格的每个单元格

        List<XWPFTableCell> tableCells = row.getTableCells();

        for (XWPFTableCell cell : tableCells) {

             // 获取单元格的内容

             String text = cell.getText();

        }

    }

}

但是对于复杂表格（含合并的单元格），则无法正常处理。

于是继续上网查询，在stackoverflow查到如下生成含有合并的单元格的表格：

public class CreateWordTableMerge {

    static void mergeCellVertically(XWPFTable table, int col, int fromRow, int toRow) {

        for(int rowIndex = fromRow; rowIndex <= toRow; rowIndex++){

            CTVMerge vmerge = CTVMerge.Factory.newInstance();

            if(rowIndex == fromRow){

                // The first merged cell is set with RESTART merge value

                vmerge.setVal(STMerge.RESTART);

            } else {

                // Cells which join (merge) the first one, are set with CONTINUE

                vmerge.setVal(STMerge.CONTINUE);

            }

            XWPFTableCell cell = table.getRow(rowIndex).getCell(col);

            // Try getting the TcPr. Not simply setting an new one every time.

            CTTcPr tcPr = cell.getCTTc().getTcPr();

            if (tcPr != null) {

                tcPr.setVMerge(vmerge);

            } else {

                // only set an new TcPr if there is not one already

                tcPr = CTTcPr.Factory.newInstance();

                tcPr.setVMerge(vmerge);

                cell.getCTTc().setTcPr(tcPr);

            }

        }

    }

    static void mergeCellHorizontally(XWPFTable table, int row, int fromCol, int toCol) {

        for(int colIndex = fromCol; colIndex <= toCol; colIndex++){

            CTHMerge hmerge = CTHMerge.Factory.newInstance();

            if(colIndex == fromCol){

                // The first merged cell is set with RESTART merge value

                hmerge.setVal(STMerge.RESTART);

            } else {

                // Cells which join (merge) the first one, are set with CONTINUE

                hmerge.setVal(STMerge.CONTINUE);

            }

            XWPFTableCell cell = table.getRow(row).getCell(colIndex);

            // Try getting the TcPr. Not simply setting an new one every time.

            CTTcPr tcPr = cell.getCTTc().getTcPr();

            if (tcPr != null) {

                tcPr.setHMerge(hmerge);

            } else {

                // only set an new TcPr if there is not one already

                tcPr = CTTcPr.Factory.newInstance();

                tcPr.setHMerge(hmerge);

                cell.getCTTc().setTcPr(tcPr);

            }

        }

    }

    public static void main(String[] args) throws Exception {

        XWPFDocument document= new XWPFDocument();

        XWPFParagraph paragraph = document.createParagraph();

        XWPFRun run=paragraph.createRun();

        run.setText("The table:");

        //create table

        XWPFTable table = document.createTable(3,5);

        for (int row = 0; row < 3; row++) {

            for (int col = 0; col < 5; col++) {

                table.getRow(row).getCell(col).setText("row " + row + ", col " + col);

            }

        }

        //create and set column widths for all columns in all rows

        //most examples don't set the type of the CTTblWidth but this

        //is necessary for working in all office versions

        for (int col = 0; col < 5; col++) {

            CTTblWidth tblWidth = CTTblWidth.Factory.newInstance();

            tblWidth.setW(BigInteger.valueOf(1000));

            tblWidth.setType(STTblWidth.DXA);

            for (int row = 0; row < 3; row++) {

                CTTcPr tcPr = table.getRow(row).getCell(col).getCTTc().getTcPr();

                if (tcPr != null) {

                    tcPr.setTcW(tblWidth);

                } else {

                    tcPr = CTTcPr.Factory.newInstance();

                    tcPr.setTcW(tblWidth);

                    table.getRow(row).getCell(col).getCTTc().setTcPr(tcPr);

                }

            }

        }

        //using the merge methods

        mergeCellVertically(table, 0, 0, 1);

        mergeCellHorizontally(table, 1, 2, 3);

        mergeCellHorizontally(table, 2, 1, 4);

        paragraph = document.createParagraph();

        FileOutputStream out = new FileOutputStream("create_table.docx");

        document.write(out);

        System.out.println("create_table.docx written successully");

    }

}

运行一下确实可以实现，不过仍是一头雾水，对于其中的cTTc，tcPr，vMerge等属性仍是不知道是什么。

直到后来知道了Office Open XML (OOXML) ，可以将.docx文件后缀改为.zip，即可以使用解压软件打开，进入后有一个word文件夹，里面的document.xml即为word正文内容。

对于word中的上图行合并表格，对应的xml如下：

<w:tbl>

      <w:tblPr>

        <w:tblStyle w:val="a3"/>

        <w:tblW w:w="0" w:type="auto"/>

        <w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>

      </w:tblPr>

      <w:tblGrid>

        <w:gridCol w:w="2765"/>

        <w:gridCol w:w="2765"/>

      </w:tblGrid>

      <w:tr w:rsidR="00151AA4" w:rsidTr="000249EF">

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

            <w:vMerge w:val="restart"/>

          </w:tcPr>

          <w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4" w:rsidP="00915802">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>0,0</w:t>

            </w:r>

          </w:p>

        </w:tc>

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

          </w:tcPr>

          <w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>0,1</w:t>

            </w:r>

          </w:p>

        </w:tc>

      </w:tr>

      <w:tr w:rsidR="00151AA4" w:rsidTr="000249EF">

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

            <w:vMerge/>

          </w:tcPr>

          <w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4"/>

        </w:tc>

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

          </w:tcPr>

          <w:p w:rsidR="00151AA4" w:rsidRDefault="00151AA4">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>1,1</w:t>

            </w:r>

            <w:bookmarkStart w:id="0" w:name="_GoBack"/>

            <w:bookmarkEnd w:id="0"/>

          </w:p>

        </w:tc>

      </w:tr>

    </w:tbl>

看到这里，相信大家会理解了前面的tc，tcPr，vMerge等属性了吧。

其中w:tr表示的是表格的一行，tcPr代表的是一个单元格的属性。

具体可以参考：http://www.datypic.com/sc/ooxml/e-w_tbl-1.html

下面在给大家展示一下列合并的情况，大家也可以用来验证一下：

对应的xml:

<w:tbl>

      <w:tblPr>

        <w:tblStyle w:val="a3"/>

        <w:tblW w:w="0" w:type="auto"/>

        <w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>

      </w:tblPr>

      <w:tblGrid>

        <w:gridCol w:w="2765"/>

        <w:gridCol w:w="2765"/>

      </w:tblGrid>

      <w:tr w:rsidR="006C0A9A" w:rsidTr="006C099A">

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="5530" w:type="dxa"/>

            <w:gridSpan w:val="2"/>

          </w:tcPr>

          <w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>0,0</w:t>

            </w:r>

          </w:p>

        </w:tc>

      </w:tr>

      <w:tr w:rsidR="006C0A9A" w:rsidTr="000249EF">

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

          </w:tcPr>

          <w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>1,0</w:t>

            </w:r>

          </w:p>

        </w:tc>

        <w:tc>

          <w:tcPr>

            <w:tcW w:w="2765" w:type="dxa"/>

          </w:tcPr>

          <w:p w:rsidR="006C0A9A" w:rsidRDefault="006C0A9A">

            <w:r>

              <w:rPr>

                <w:rFonts w:hint="eastAsia"/>

              </w:rPr>

              <w:t>1,1</w:t>

            </w:r>

          </w:p>

        </w:tc>

      </w:tr>

    </w:tbl>

通过观察可以总结如下(使用poi提供的方法)：

行合并情况：
CTTcPr tcpr = tables.get(0).getRow(2).getCell(0).getCTTc().getTcPr(); // 此属性每个单元格都有，为每个单元格的属性：tableCell.cellProperty
如果是行合并的第一行单元格，则： tcpr.getVMerge().getVal().toString() == "restart"
如果是行合并的其他行单元格，则： tcpr.getVMerge().getVal() == null
如果不是行合并的单元格，则： tcpr.getVMerge() == null

列合并情况：
CTTcPr tcpr = tables.get(0).getRow(2).getCell(0).getCTTc().getTcPr();
如果是列合并的第一列单元格，则：tcpr.getGridSpan().getVal()可以获取到这列单元格所占的行数
其他单元格：tcpr.getGridSpan() == null

这里有一个获取表格内容转为html的demo供大家参考。