java - Apache POI XWPF - 检查运行是否包含图片

Question

我的目标是使用 Apache POI 在 Java 中处理 .docx 文档。我想从文档中提取所有内容来创建一个新文档，但仅限于我可以从处理后的文档中选择的特定内容。到目前为止，这适用于表格和文本，但我在图片方面遇到问题。通常我会这样提取它们:

List<XWPFPictureData> images = r.getEmbeddedPictures();

其中 r 是从段落中提取的，并且类型为 XWPFRun。这里的一个大问题是，该解决方案仅适用于某些图像，这取决于图像在Word文档中的插入方式。

我可以访问运行的 xml 代码，并尝试找到这样的图像，它在 python 中运行良好，您可以在其中声明 xpath 查询。我在 Java 中尝试了相同的操作，但收到错误消息。

这是我的代码，用于检查运行是否包含图像:

r.getCTR().selectPath(".//w:drawing/wp:inline/a:graphic/a:graphicData/pic:pic/pic:blipFill/a:blip/@r:embed"))

它返回此异常:

Answer 1

所有可用的引擎都是命名空间感知的引擎。因此必须声明命名空间。

import java.io.FileInputStream;

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

import org.apache.xmlbeans.XmlObject;

public class WordRunSelectPath {

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

  XWPFDocument document = new XWPFDocument(new FileInputStream("WordInsertPictures.docx"));
  for (XWPFParagraph paragraph : document.getParagraphs()) {
   for (XWPFRun run : paragraph.getRuns()) {
    String declareNameSpaces =   "declare namespace w='http://schemas.openxmlformats.org/wordprocessingml/2006/main'; " 
                       + "declare namespace wp='http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing'; "
                       + "declare namespace a='http://schemas.openxmlformats.org/drawingml/2006/main'; "
                       + "declare namespace pic='http://schemas.openxmlformats.org/drawingml/2006/picture'; "
                       + "declare namespace r='http://schemas.openxmlformats.org/officeDocument/2006/relationships' ";

    XmlObject[] selectedObjects = run.getCTR().selectPath(
                         declareNameSpaces 
                       + ".//w:drawing/wp:inline/a:graphic/a:graphicData/pic:pic/pic:blipFill/a:blip/@r:embed");
    if (selectedObjects.length > 0) {
     String rID = selectedObjects[0].newCursor().getTextValue();
     System.out.println(rID);
    }
   }
  }

  document.close();
 }
}