使用docx4j在字符串生成器中显示docx的所有文本

Question

我需要将docx的所有文本放入字符串生成器中，还需要使用制表符和连字符。我尝试过使用org.docx4j.TextUtils，但在生成的字符串中看不到tab.

String inputfilepath = System.getProperty("user.home") + "test.docx";   
WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new java.io.File(inputfilepath));
MainDocumentPart documentPart = wordMLPackage.getMainDocumentPart();
org.docx4j.wml.Document wmlDocumentEl = (org.docx4j.wml.Document)documentPart.getJaxbElement();
Writer out = new OutputStreamWriter(System.out);
extractText(wmlDocumentEl, out);
out.close();

Answer 1

根据我在http://www.docx4java.org/forums/docx-java-f6/is-it-possible-to-extract-all-text-also-tab-and-hyphen-t1996.html#p6933?sid=b0d58fec2ba349d0f3f49cf66411397c

正如我所知，制表符和连字符的问题在于它们在docx中没有作为普通字符表示。

选项卡为w:Tab

连字符可能是一个连字符，也可能显示（实际上不在docx中），也可能是：

http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/noBreakHyphen.html

或http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/softHyphen.html

复制Word的连字符行为将是一个挑战。

但对于其他人，我想到了三种方法：

1. 推广您的遍历方法（您是否使用TraversalUtil.getChildrenImpl？）

2. 在XSLT中执行（可以在docx4j中执行，但XSLT可能较慢，而且是多种技术的混合）

3. 将主文档部分封送为字符串，进行适当的字符串替换，然后取消封送，然后使用TextUtils

对于（3），假设MainDocumentPart mdp，将其作为字符串：

String stringContent = mdp.getXML();

然后注入修改后的内容：

mdp.setContents((Document)XmlUtils.unmarshalString(stringContent) );