使用Apache POI操作.doc文件丢失图片且文本替换失效求助

问题描述 #

原本针对.docx文件有效的文本替换操作，在处理一份.doc模板时完全失效。更严重的是，即使不对文件做任何修改，仅读取后保存，文档内的图片也会丢失。

涉及代码 #

读取与保存代码：

HWPFDocument docCandidato = null;

try {
    String filePath = getClass().getClassLoader().getResource("/templates/cv_template.doc").getPath();
    InputStream inputStream = new FileInputStream(filePath);
    POIFSFileSystem fileSystem = new POIFSFileSystem(inputStream);
    docCandidato = new HWPFDocument(fileSystem);        
} catch (Exception e) {
    logger.error("--------> ERROR: ", e);
}
        
docCandidato = replaceText(docCandidato, "xxx", candidato.getNome().concat(" ").concat(candidato.getCognome()));

ByteArrayOutputStream out = new ByteArrayOutputStream();
try {
    docCandidato.write(out);
    out.close();
    docCandidato.close();
} catch (IOException e) {
    logger.error("--------> ERROR: ", e);
}

文本替换方法：

private HWPFDocument replaceText(HWPFDocument doc, String originalText, String updatedText) {
    Range range = doc.getRange();
    range.replaceText(originalText, updatedText);
    return doc;
}

问题原因及解决办法 #

1. 文本替换失效 #

HWPF的Range.replaceText仅能处理全局普通段落的文本，若目标文本位于表格、文本框或带特殊格式的区域中，就无法生效。需要遍历文档所有段落和表格单元格进行替换：

import org.apache.poi.hwpf.usermodel.TableIterator;

private HWPFDocument replaceText(HWPFDocument doc, String originalText, String updatedText) {
    // 替换普通段落
    Range range = doc.getRange();
    for (int i = 0; i < range.numParagraphs(); i++) {
        Paragraph para = range.getParagraph(i);
        if (para.text().contains(originalText)) {
            para.replaceText(originalText, updatedText);
        }
    }
    // 替换表格内文本
    TableIterator tableIterator = new TableIterator(range);
    while (tableIterator.hasNext()) {
        Table table = tableIterator.next();
        for (TableRow row : table.getRows()) {
            for (TableCell cell : row.getCells()) {
                for (Paragraph para : cell.getParagraphs()) {
                    if (para.text().contains(originalText)) {
                        para.replaceText(originalText, updatedText);
                    }
                }
            }
        }
    }
    return doc;
}

2. 图片丢失问题 #

HWPF对旧版.doc文件的嵌入式图片支持存在缺陷，尤其是旧版本POI。可以尝试以下修复：

• 升级POI版本：使用Apache POI 4.1.2稳定版（POI 5.x之后停止维护HWPF），新版本对图片流的处理更完善。
• 修改保存方式：避免使用ByteArrayOutputStream中转，直接写入文件流：

try (FileOutputStream out = new FileOutputStream("output.doc")) {
    docCandidato.write(out);
} catch (IOException e) {
    logger.error("--------> ERROR: ", e);
}

3. 终极替代方案 #

如果上述方法仍无法解决，建议：

• 将.doc模板转换为.docx格式，使用XWPF处理（对格式和内容的支持更完善）；
• 采用商业库如Aspose.Words，它对旧版Word文档的兼容性远超HWPF。

内容的提问来源于stack exchange，提问作者Fede Ota