如何用Apache POI提取Word文档中文本框的位置与尺寸？

我正尝试使用Apache POI提取Word文档中文本框的位置与尺寸信息。Aspose.Words具备处理文本框及其他形状的方法与类，请问Apache POI是否有类似功能？

我已通过以下代码实现文本框内文本的提取：

XWPFDocument document = new XWPFDocument(OPCPackage.open(fis));
List<XWPFParagraph> paragraphs =  document.getParagraphs();
XmlObject[] textBoxObjects;
for(XWPFParagraph paragraph : paragraphs) 
{
    textBoxObjects =  paragraph.getCTP().selectPath(
"declare namespace w='http://schemas.openxmlformats.org/wordprocessingml/2006/main' " +
"declare namespace wps='http://schemas.microsoft.com/office/word/2010/wordprocessingShape' " +
"declare namespace v='urn:schemas-microsoft-com:vml'"+ ".//*/wps:txbx/w:txbxContent | .//*/v:textbox/w:txbxContent");
//                  
    for (int i =0; i < textBoxObjects.length; i++){
        XWPFParagraph embeddedPara = null;
        try {
            XmlObject[] paraObjects = textBoxObjects[i].selectChildren(new QName("http://schemas.openxmlformats.org/wordprocessingml/2006/main", "p"));
    for (int j=0; j<paraObjects.length; j++) {
        embeddedPara = new XWPFParagraph(CTP.Factory.parse(paraObjects[j].xmlText()), paragraph.getBody());
        System.out.println(embeddedPara.getText());
    } 
    } catch (Exception e) {
        e.printStackTrace();
    }
}

但我还需要获取文本框的位置与尺寸信息以推进开发。我注意到Word文档的XML结构中，<wp:anchor>标签包含posOffset位置参数，<wp:extent>标签包含尺寸数据，希望能通过Apache POI提取这些内容，恳请提供可行方案。

可行方案 #

Apache POI目前没有像Aspose.Words那样封装好的直接获取文本框位置和尺寸的API，但可以通过解析Word的OOXML结构来提取这些信息，具体实现如下：

核心思路 #

文本框的位置、尺寸信息嵌套在<wp:anchor>标签内，该标签通常位于段落的<w:drawing>节点下。我们可以通过XPath定位到该标签，再提取其中的posOffset（位置）和cx/cy（尺寸）属性值。

示例代码 #

在原有文本提取逻辑基础上，新增位置与尺寸的提取逻辑：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.xmlbeans.XmlObject;
import javax.xml.namespace.QName;

public class TextBoxInfoExtractor {
    public static void main(String[] args) throws Exception {
        OPCPackage opcPackage = OPCPackage.open("your-document.docx");
        XWPFDocument document = new XWPFDocument(opcPackage);
        
        // 定义OOXML命名空间
        String nsDeclare = "declare namespace w='http://schemas.openxmlformats.org/wordprocessingml/2006/main' " +
                          "declare namespace wp='http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing' " +
                          "declare namespace wps='http://schemas.microsoft.com/office/word/2010/wordprocessingShape' " +
                          "declare namespace v='urn:schemas-microsoft-com:vml'";
        
        for (XWPFParagraph paragraph : document.getParagraphs()) {
            // 定位所有文本框对应的wp:anchor元素
            XmlObject[] anchorNodes = paragraph.getCTP().selectPath(nsDeclare + ".//w:drawing/wp:anchor");
            
            for (XmlObject anchor : anchorNodes) {
                // 提取水平/垂直位置（posOffset，单位：EMU，1EMU=1/914400英寸）
                XmlObject posH = anchor.selectPath(nsDeclare + ".//wp:positionH/wp:posOffset")[0];
                XmlObject posV = anchor.selectPath(nsDeclare + ".//wp:positionV/wp:posOffset")[0];
                long horizontalOffset = Long.parseLong(posH.newCursor().getTextValue());
                long verticalOffset = Long.parseLong(posV.newCursor().getTextValue());
                
                // 提取宽高（extent的cx/cy属性，单位：EMU）
                XmlObject extent = anchor.selectPath(nsDeclare + ".//wp:extent")[0];
                long width = Long.parseLong(extent.getAttributeValue(new QName("", "cx")));
                long height = Long.parseLong(extent.getAttributeValue(new QName("", "cy")));
                
                // 输出位置与尺寸信息
                System.out.println("文本框位置：水平偏移 " + horizontalOffset + " EMU，垂直偏移 " + verticalOffset + " EMU");
                System.out.println("文本框尺寸：宽度 " + width + " EMU，高度 " + height + " EMU");
                
                // 提取文本框内文本（复用原有逻辑）
                XmlObject[] textBoxContents = anchor.selectPath(nsDeclare + ".//wps:txbx/w:txbxContent | .//v:textbox/w:txbxContent");
                for (XmlObject content : textBoxContents) {
                    XmlObject[] paraObjects = content.selectChildren(new QName("http://schemas.openxmlformats.org/wordprocessingml/2006/main", "p"));
                    for (XmlObject paraObj : paraObjects) {
                        XWPFParagraph embeddedPara = new XWPFParagraph(CTP.Factory.parse(paraObj.xmlText()), paragraph.getBody());
                        System.out.println("文本框内容：" + embeddedPara.getText());
                    }
                }
                System.out.println("---------------------------");
            }
        }
        
        document.close();
        opcPackage.close();
    }
}

关键说明 #

• 单位转换：EMU是Office文档的标准单位，转换公式：
  • EMU转英寸：英寸 = EMU / 914400
  • EMU转厘米：厘米 = (EMU * 2.54) / 914400
• 兼容性：代码同时兼容旧版VML格式和Office 2010+的WPS格式文本框
• 异常处理：实际使用时需添加空值判断，避免因文档结构差异导致空指针异常

内容的提问来源于stack exchange，提问作者vignesh