利用Java實現(xiàn)Word文檔自動編號提取的方法詳解

更新時間：2025年09月26日 10:20:31 作者：瘋癲的老碼農(nóng)

文章介紹如何用Java從Word試卷中提取自動編號,通過創(chuàng)建NumberingContext類識別中文、阿拉伯數(shù)字及字母等不同編號格式,并實現(xiàn)getParagraphNumbering方法完成結(jié)構(gòu)化轉(zhuǎn)換,解決了傳統(tǒng)方法無法解析編號的問題,感興趣的小伙伴可以參考閱讀下

一、背景

因業(yè)務需求,目前正在實現(xiàn)一項需求，即將一份試卷的內(nèi)容提取出來，由非結(jié)構(gòu)化到結(jié)構(gòu)化的轉(zhuǎn)換。在試卷解析的時候發(fā)現(xiàn)存在大綱目錄中帶有自動編號的格式，按照傳統(tǒng)的方式?jīng)]有解析出來，花了一番功夫，最終還是搞定了，于是寫下來分享給大家。

二、概述

從一份word格式的試卷中，用java從XWPFParagraph中先判斷是否有編號，如果有再提取自動編號，自動編號還是會區(qū)分不同類型的，如中文的一、二、三等，阿拉伯數(shù)字的1、2、3等，或者是字母a、b、c等。

三、正文

1、需要先實現(xiàn)一個自動編號上下文的class：

NumberingContext里面注冊了不同格式的編號，如大寫字母編號、小寫字母編號、中文編號等，具體可以看代碼：

 
public class NumberingContext {
    private final Map<String, List<Integer>> numberingStates = new HashMap<>();
    // 編號格式映射（可以擴展更多格式）
    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<>());
 
        // 確保層級計數(shù)器足夠長
        while (counters.size() <= ilvl) {
            counters.add(0);
        }
 
        // 更新當前層級計數(shù)器，并清空下級
        counters.set(ilvl, counters.get(ilvl) + 1);
        for (int i = ilvl + 1; i < counters.size(); i++) {
            counters.set(i, 0);
        }
 
        // 獲取格式化器
        NumberFormatter formatter = FORMATTERS.get(format);
        if (formatter == null) {
            formatter = new DecimalFormatter();
        }
 
        // 替換模板中的占位符
        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、不同類型的編號格式

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 格式僅支持 1-26");
        }
        return String.valueOf((char) ('A' + number - 1));
    }
}

3、接下來就是核心邏輯：

這個getParagraphNumbering方法就是可以從XWPFParagraph

提取自動的編號

public static String getParagraphNumbering(NumberingContext numberingContext, XWPFParagraph paragraph) {
        try {
            if (paragraph.getNumID() == null) {
                //"無編號";
                return "";
            }
 
            BigInteger numId = paragraph.getNumID();
            BigInteger ilvl = paragraph.getNumIlvl() != null ? paragraph.getNumIlvl() : new BigInteger("0");
 
            // 使用numId和文檔信息創(chuàng)建唯一鍵
            String numIdKey = numId.toString();
 
            XWPFNumbering numbering = paragraph.getDocument().getNumbering();
            if (numbering == null) {
                //"無編號定義";
                return "";
            }
 
            XWPFNum num = numbering.getNum(numId);
            if (num == null) {
                //"編號定義不存在";
                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);
                    }
                }
            }
 
            //"編號層級不存在或定義不完整";
            return "";
        } catch (Exception e) {
            //"解析編號時出錯";
            return "";
        }
    }

到此這篇關(guān)于利用Java實現(xiàn)Word文檔自動編號提取的方法詳解的文章就介紹到這了,更多相關(guān)Java Word文檔自動編號提取內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: