Java Docx获取Bookmark内容

简介

在处理文档时，我们经常需要对文档进行一些操作，比如提取文本、修改样式等。而对于Word文档（.docx），我们可以使用Java来对其进行操作。本文将介绍如何使用Java Docx库获取.docx文档中的Bookmark内容，并提供相关代码示例。

什么是Bookmark？

Bookmark（书签）是Word文档中的一种特殊标记，用于标识文档中的位置或内容。通过书签，我们可以方便地定位到指定位置，并进行相关操作。在.docx文档中，书签以XML形式存储。

Java Docx库

Java Docx是一个开源的Java库，用于操作Word文档。它提供了一系列的API，可以方便地读取、修改和创建.docx文档。在本文中，我们将使用Java Docx库来获取.docx文档中的Bookmark内容。

获取Bookmark内容

要获取.docx文档中的Bookmark内容，我们需要按照以下步骤进行操作：

1. 加载文档：首先，我们需要加载.docx文档。可以使用Java Docx提供的WordprocessingMLPackage类来加载文档。

import org.docx4j.openpackaging.packages.WordprocessingMLPackage;

WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new File("document.docx"));

2. 获取文档中的Bookmark：加载文档后，我们可以使用Document类提供的方法来获取文档中的Bookmark。通过getMainDocumentPart()方法获取主文档部分，再通过getJAXBNodesViaXPath()方法获取指定XPath的节点列表。

import org.docx4j.openpackaging.parts.WordprocessingML.MainDocumentPart;
import org.docx4j.wml.Document;

MainDocumentPart mainDocumentPart = wordMLPackage.getMainDocumentPart();
Document document = mainDocumentPart.getJaxbElement();
List<Object> bookmarks = document.getBookmarkStartOrBookmarkEndOrBookmarkRange();

3. 遍历Bookmark内容：获取到Bookmark列表后，我们可以遍历列表，并获取每个Bookmark的内容。

for (Object bookmark : bookmarks) {
    if (bookmark instanceof org.docx4j.wml.CTBookmark) {
        org.docx4j.wml.CTBookmark ctBookmark = (org.docx4j.wml.CTBookmark) bookmark;
        String bookmarkName = ctBookmark.getName();
        
        // 获取Bookmark的起始位置
        org.docx4j.wml.P p = (org.docx4j.wml.P) ctBookmark.getParent();
        int startPosition = p.getContent().indexOf(ctBookmark);
        
        // 获取Bookmark的结束位置
        org.docx4j.wml.CTMarkupRange endMarker = ctBookmark.getRangeEnd();
        org.docx4j.wml.P endPositionP = (org.docx4j.wml.P) endMarker.getParent();
        int endPosition = endPositionP.getContent().indexOf(endMarker);
        
        // 获取Bookmark的内容
        String bookmarkContent = "";
        for (int i = startPosition + 1; i < endPosition; i++) {
            Object content = p.getContent().get(i);
            if (content instanceof org.docx4j.wml.R) {
                org.docx4j.wml.R r = (org.docx4j.wml.R) content;
                bookmarkContent += r.getT().getValue();
            }
        }
        
        System.out.println("Bookmark: " + bookmarkName);
        System.out.println("Content: " + bookmarkContent);
    }
}

通过以上步骤，我们可以获取.docx文档中所有Bookmark的名称和内容。

示例

下面是一个完整的示例，展示了如何使用Java Docx库获取.docx文档中的Bookmark内容。

import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.docx4j.wml.Document;

import java.io.File;
import java.util.List;

public class BookmarkExtractor {

    public static void main(String[] args) {
        try {
            // 加载文档
            WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new File("document.docx"));
    
            // 获取文档中的Bookmark
            MainDocumentPart mainDocumentPart = wordMLPackage.getMainDocumentPart();
            Document document = mainDocumentPart.getJaxbElement();
            List<Object> bookmarks = document.getBookmarkStartOrBookmarkEndOrBookmarkRange();
    
            // 遍历Bookmark内容
            for (Object bookmark : bookmarks) {
                if (bookmark instanceof org.docx4j.wml.CTBookmark) {
                    org.docx4j.wml.C