无法从 Word (Apache POI) 读取双向字符串

Question

在用序列包装后，我正在使用 Apache POI 将双向字符串写入 MS Word 文件 aString = "\u202E" + aString + "\u202C"; 文本在文件中正确呈现，当我再次检索字符串时读取正常。但是，如果我以任何方式修改文件，突然间，读取该字符串会使用 isBlank() 返回 true。 提前感谢您的任何建议/帮助！

Answer 1

当Microsoft Word 以Office Open XML *.docx 格式存储双向文本时，它有时会使用特殊的文本运行元素w:bdo (bi d方向性方向）。 Apache poi 直到现在才读取这些元素。所以如果XWPFParagraph 包含这样的元素，那么paragraph.getText() 将返回一个空字符串。

可以使用org.apache.xmlbeans.XmlCursor 真正从所有XWPFParagraphs 中获取所有文本，如下所示：

import java.io.FileInputStream;

import org.apache.poi.xwpf.usermodel.*;

import org.apache.xmlbeans.XmlCursor;

public class ReadWordParagraphs {
    
 static String getAllTextFromParagraph(XWPFParagraph paragraph) {
  XmlCursor cursor =  paragraph.getCTP().newCursor();
  return cursor.getTextValue();
 }

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

  XWPFDocument document = new XWPFDocument(new FileInputStream("WordDocument.docx"));
  
  for (XWPFParagraph paragraph : document.getParagraphs()) {
   System.out.println(paragraph.getText()); // will not return text in w:bdo elements
   System.out.println(getAllTextFromParagraph(paragraph)); // will return all text content of paragraph
  }
 }
}