如何在 Aspose 或 Apache Poi 中解析 MS Word 的样式分隔段落？

Question

ms word 文档有多种样式的段落，通常每个段落都有一种样式，但您可以使用样式分隔工具在一个段落上组合两个或多个样式的文本。那么如何使用 Aspose Words、Apache Poi 或其他方法从根释义中获取子样式和样式分隔段落的文本内容？

Answer 1

样式分隔符实际上是正常的段落分隔符，但设置了特殊属性。因此，您可以将由样式分隔符分隔的内容视为两个单独的段落。

<w:p w14:paraId="561A87F3" w14:textId="0D47DD82" w:rsidR="00AB32A0" w:rsidRPr="00AB32A0" w:rsidRDefault="00AB32A0" w:rsidP="00AB32A0">
  <w:pPr>
    <w:pStyle w:val="Heading1" />
    <w:rPr>
      <w:vanish />
      <w:specVanish />
    </w:rPr>
  </w:pPr>
  <w:r w:rsidRPr="00AB32A0">
    <w:rPr>
      <w:rStyle w:val="Heading1Char" />
    </w:rPr>
    <w:t>Test heading1</w:t>
  </w:r>
</w:p>
<w:p w14:paraId="0982566B" w14:textId="76E92742" w:rsidR="00391656" w:rsidRDefault="00AB32A0" w:rsidP="00AB32A0">
  <w:r>
    <w:t xml:space="preserve"> test paragraph.</w:t>
  </w:r>
</w:p>

以下两个属性表示分节符是样式分隔符

<w:rPr>
  <w:vanish />
  <w:specVanish />
</w:rPr>

在 Aspose.Words 中，您可以通过 Paragraph.BreakIsStyleSeparator 属性检测分节符是否为样式分隔符。

cs:

Document doc = new Document(@"C:\Temp\test.docx");
foreach (Paragraph para in doc.FirstSection.Body.Paragraphs)
{
    Console.WriteLine("Style Name: {0}; Is Style Separator: {1}; Content: {2}", para.ParagraphFormat.StyleName, para.BreakIsStyleSeparator, para.ToString(SaveFormat.Text));
}

java:

Document doc = new Document("C:/Temp/test.docx");
for(Paragraph para : doc.getFirstSection().getBody().getParagraphs()){
   String styleName = para.getParagraphFormat().getStyleName();
   boolean isStyleSeparator = para.getBreakIsStyleSeparator();
   String content = para.toString(SaveFormat.TEXT);
}

披露：我在 Aspose.Words 团队工作。

Answer 2

至少在 Office Open XML (*.docx) 使用样式分隔符 (CtrlAltEnter) 只会导致消失的换行符段落。尽管如此，样式分隔符前后的段落是两个单独的段落，可以这样阅读。

鉴于以下Word 文档WordDocument.docx：

以下代码读取所有段落并获取它们的样式。还有一种方法getIsLineBreakVanished 检查给定段落的换行符是否消失。这适用于使用了样式分隔符 (CtrlAltEnter) 的段落。

import java.io.FileInputStream;

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

public class WordGetParagraphStyles {

 static boolean getIsLineBreakVanished(XWPFParagraph paragraph) {
  boolean result = false;
  if (paragraph.getCTP().getPPr() != null) {
   if (paragraph.getCTP().getPPr().getRPr() != null) {
    if (paragraph.getCTP().getPPr().getRPr().getVanish() != null && paragraph.getCTP().getPPr().getRPr().getSpecVanish() != null) {
     result = true;
    }
   }
  }
  return result;
 }

 public static void main(String[] args) throws Exception {
  XWPFDocument document = new XWPFDocument(new FileInputStream("./WordDocument.docx"));

  for (IBodyElement bodyElement : document.getBodyElements()) {
   if (bodyElement instanceof XWPFParagraph) {
    XWPFParagraph paragraph = (XWPFParagraph)bodyElement;
    String style = paragraph.getStyle();
    String styleID = paragraph.getStyleID();
    String text = paragraph.getText();
    boolean hasCRLF = !getIsLineBreakVanished(paragraph);
    System.out.println("Found paragraph:" + " Style=" + styleID + ":" + style + ", Text=" + text + ", has CRLF=" + hasCRLF);
   }
  }
 }
}