讀UTF-8編碼的文本里面的內容表中MS-Word文件使用Apache POI

我想讀表和詳細的數據在Microsoft Word文檔（DOCX文件）使用Apache POI細胞。該文件包含UTF-8編碼的字符（僧伽羅語言）。我正在使用以下代碼塊。讀UTF-8編碼的文本里面的內容表中MS-Word文件使用Apache POI

FileInputStream fis = new FileInputStream("path\\to\\file.docx"); 
XWPFDocument doc = new XWPFDocument(fis); 
Iterator<IBodyElement> iter = doc.getBodyElementsIterator(); 
while (iter.hasNext()) { 
    IBodyElement elem = iter.next(); 
    if (elem instanceof XWPFTable) { 
     List<XWPFTableRow> rows = ((XWPFTable) elem).getRows(); 
     for(XWPFTableRow row :rows){ 
      List<XWPFTableCell> cells = row.getTableCells(); 
      for(XWPFTableCell cell : cells){ 
       PrintStream out = new PrintStream(System.out, true, "UTF-8"); 
       out.println(cell.getText()); 
      } 
     } 
    } 
}

但我沒有在輸出控制檯中得到正確的UTF-8字符。

我已經參考了多種解決方案，包括以下內容。

How to parse UTF-8 characters in Excel files using POI |我正在嘗試在Word文件中讀取表格。所以我的Cell對象沒有getStringCellValue()方法。

http://www.herongyang.com/Java-Tools/native2ascii-Set-UTF-8-Encoding-in-PrintStream.html |我已經試過這個解決方案，它不工作。

沒有人知道如何使用Apache POI的word文件讀取UTF-8編碼的字符？

來源

2017-09-03 Chathura Buddhika

您是否嘗試過'URLEncoder.encode（cell.getText（），「UTF-8」）'？並打印這個呢？ – alirabiee

@alirabiee，剛剛嘗試過，它也沒有工作。無論如何，文本不是一個URL。 –

這是IDE的控制檯設置的問題。哪個IDE被使用？通常'System.out.println（cell.getText（））;'應該工作。沒有明確的'PrintStream'定義需要。 –

我發現了一個解決方案，爲單元格設置字體（作爲peragraph）。

代碼：

private static final String FILE_NAME = "/tmp/Diskade.docx"; 

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

     FileInputStream fis = new FileInputStream(FILE_NAME); 
     XWPFDocument doc = new XWPFDocument(fis); 

     Iterator<IBodyElement> iter = doc.getBodyElementsIterator(); 
     while (iter.hasNext()) { 
      IBodyElement elem = iter.next(); 
      if (elem instanceof XWPFTable) { 

       List<XWPFTableRow> rows = ((XWPFTable) elem).getRows(); 
       for(XWPFTableRow row :rows){ 
        List<XWPFTableCell> cells = row.getTableCells(); 

        for(XWPFTableCell cell : cells){ 

         String celltext = cell.getText(); 
         XWPFParagraph paragraph = cell.addParagraph(); 
         setRun(paragraph.createRun() , "Arial" , 10, "2b5079" , celltext , false, false); 
         System.out.print(cell.getParagraphs().get(0).getParagraphText() + " - "); 

        } 
        System.out.println(); 
       } 
      } 
     } 
    } 

    private static void setRun (XWPFRun run , String fontFamily , int fontSize , String colorRGB , String text , boolean bold , boolean addBreak) { 
     run.setFontFamily(fontFamily); 
     run.setFontSize(fontSize); 
     run.setColor(colorRGB); 
     run.setText(text); 
     run.setBold(bold); 
     if (addBreak) run.addBreak(); 
    }

編輯：
後來我注意到，實際添加的段落就足夠了。您不需要setRun方法或將其作爲setRun(paragraph.createRun() , "Arial" , 10, "2b5079" , celltext , false, false);來調用。

會看到有什麼可以用編碼來完成。（因爲，我一旦字體加載它沒有段落也工作正常）

來源

2017-09-03 16:06:47 namalfernandolk

此解決方案適用於eclipse，但不適用於我現在正在使用的Intelij IDEA。事實上，後來我發現這是一個IDE控制檯問題，而不是程序錯誤。 –

讀UTF-8編碼的文本里面的內容表中MS-Word文件使用Apache POI

回答

相關問題