使用Apache POI提取.doc文件关键词间文本并实现条件渲染的方案咨询

核心解决思路是绕过直接匹配XWPFRun/HWPFRun的限制，先构建文本和字符位置的映射关系，再基于纯文本匹配标签位置，最后反查对应文本片段所属的Run进行修改，完全不受Run随机拆分的影响。

具体实现步骤 #

1. 构建字符位置映射表 #

不管是处理.doc（HWPF）还是.docx（XWPF）格式，都先按以下逻辑处理每个段落：

• 拼接当前段落所有Run的文本内容，得到段落完整纯文本
• 同时记录每个字符对应的「所属Run对象、在Run内的偏移下标」，形成映射数组，后续只要拿到纯文本中任意字符的下标，就能直接定位到它所在的Run和具体位置

2. 精准匹配条件标签 #

在拼接得到的纯文本中用正则匹配${if 条件}和${endif}的起止下标：

• 正则参考：\$\{if\s+([^}]+)\} 匹配if标签，\$\{endif\}匹配结束标签
• 如果存在跨段落的条件块，可以把整个文档所有段落的文本按顺序拼接为全局文本流，同时记录每个字符对应的「所属段落、所属Run、Run内偏移」即可实现跨段落匹配
• 存在嵌套条件块的场景，用栈结构来配对if和endif，避免配对错误

3. 按需修改文档内容 #

根据条件判断结果，对定位到的文本区间做处理：

• 条件满足时：只删除${if 条件}和${endif}两个标签对应的字符，保留两个标签中间的所有内容
• 条件不满足时：直接删除从${if 条件}起始位置到${endif}结束位置之间的所有字符

注意：如果一个Run只有部分内容在待删除区间，只删除对应偏移的字符即可；如果Run的全部内容都在待删除区间，直接移除整个Run提升效率

核心代码示例（XWPF场景） #

// 定义字符位置映射类
class CharPosition {
    XWPFRun run;
    int runOffset;
    public CharPosition(XWPFRun run, int runOffset) {
        this.run = run;
        this.runOffset = runOffset;
    }
}

// 处理单个段落的条件块
public void processParagraph(XWPFParagraph paragraph, Map<String, Boolean> conditionMap) {
    List<CharPosition> charPosList = new ArrayList<>();
    StringBuilder fullText = new StringBuilder();
    // 构建映射表和全量文本
    for (XWPFRun run : paragraph.getRuns()) {
        String text = run.getText(0);
        if (text == null) text = "";
        for (int i = 0; i < text.length(); i++) {
            charPosList.add(new CharPosition(run, i));
            fullText.append(text.charAt(i));
        }
    }
    // 正则匹配if和endif标签，这里简化为单组标签的场景，嵌套场景自行加栈处理
    Pattern ifPattern = Pattern.compile("\\$\\{if\\s+([^}]+)\\}");
    Matcher ifMatcher = ifPattern.matcher(fullText);
    if (!ifMatcher.find()) return;
    String condition = ifMatcher.group(1).trim();
    int ifStart = ifMatcher.start();
    int ifEnd = ifMatcher.end();
    
    Pattern endPattern = Pattern.compile("\\$\\{endif\\}");
    Matcher endMatcher = endPattern.matcher(fullText);
    if (!endMatcher.find(ifEnd)) return;
    int endStart = endMatcher.start();
    int endEnd = endMatcher.end();
    
    Boolean conditionPass = conditionMap.getOrDefault(condition, false);
    if (conditionPass) {
        // 条件满足，只删if和endif标签
        deleteRange(charPosList, ifStart, ifEnd);
        deleteRange(charPosList, endStart, endEnd);
    } else {
        // 条件不满足，删整个区间
        deleteRange(charPosList, ifStart, endEnd);
    }
}

// 删除指定区间的字符
private void deleteRange(List<CharPosition> charPosList, int start, int end) {
    // 按Run分组处理需要删除的字符，避免重复修改同一个Run
    Map<XWPFRun, List<Integer>> runToDeleteOffsets = new HashMap<>();
    for (int i = start; i < end; i++) {
        CharPosition cp = charPosList.get(i);
        runToDeleteOffsets.computeIfAbsent(cp.run, k -> new ArrayList<>()).add(cp.runOffset);
    }
    // 每个Run的删除下标倒序处理，避免前面删除导致后面下标偏移
    for (Map.Entry<XWPFRun, List<Integer>> entry : runToDeleteOffsets.entrySet()) {
        XWPFRun run = entry.getKey();
        List<Integer> offsets = entry.getValue();
        offsets.sort(Collections.reverseOrder());
        StringBuilder sb = new StringBuilder(run.getText(0));
        for (int offset : offsets) {
            sb.deleteCharAt(offset);
        }
        if (sb.length() == 0) {
            // Run内容为空直接移除
            run.getParent().removeRun(run);
        } else {
            run.setText(sb.toString(), 0);
        }
    }
}

.doc格式（HWPF）的处理逻辑完全一致，仅需将XWPFParagraph替换为Paragraph，XWPFRun替换为CharacterRun即可适配。

方案优势 #

完全不受Word内部Run拆分逻辑的影响，只要文档中存在对应的标签文本，就能100%精准定位，兼容性和可靠性远高于直接匹配Run的方案。

内容的提问来源于stack exchange，提问作者NickAth