Apache POI读取docx文档时无法按顺序获取图片的问题

我来帮你理清楚这个问题：你遇到的核心卡点是Docx里的图片并不是独立的顶级Body元素，它们是嵌套在段落（XWPFParagraph）的文本运行（XWPFRun）中的，所以直接遍历getBodyElementsIterator()根本抓不到它们。

为什么你的代码没找到图片？ #

你之前判断elem instanceof XWPFPictureData是找错了对象：XWPFPictureData是存储图片二进制数据的对象，而文档中显示的图片元素是XWPFPicture，它属于某个XWPFRun，不是顶级的IBodyElement。所以遍历BodyElements的时候自然看不到图片的影子。

正确的处理逻辑：按层级遍历内容 #

要按文档原始顺序读取所有内容（段落、表格、图片），你需要在遍历段落时，进一步深入到每个段落的XWPFRun，再从Run里提取XWPFPicture。如果表格里也有图片，还要递归遍历单元格内的段落和Run。

修改后的示例代码如下：

Iterator<IBodyElement> iter = xdoc.getBodyElementsIterator();
while (iter.hasNext()) {
    IBodyElement elem = iter.next();
    if (elem instanceof XWPFParagraph) {
        XWPFParagraph para = (XWPFParagraph) elem;
        System.out.println("para - " + para.getClass());
        
        // 遍历段落中的所有文本运行（Run）
        for (XWPFRun run : para.getRuns()) {
            // 提取当前Run中的所有图片
            for (XWPFPicture picture : run.getEmbeddedPictures()) {
                System.out.println("picture in para run - " + picture);
                // 获取图片的二进制数据和类型
                XWPFPictureData picData = picture.getPictureData();
                System.out.println("图片类型：" + picData.getPictureType());
                // byte[] picBytes = picData.getData(); // 如需获取图片字节数组可启用
            }
        }
    } else if (elem instanceof XWPFTable) {
        XWPFTable table = (XWPFTable) elem;
        System.out.println("table - " + table);
        
        // 遍历表格的行、单元格，再深入到单元格内的段落和Run
        for (XWPFTableRow row : table.getRows()) {
            for (XWPFTableCell cell : row.getTableCells()) {
                for (XWPFParagraph cellPara : cell.getParagraphs()) {
                    for (XWPFRun run : cellPara.getRuns()) {
                        for (XWPFPicture picture : run.getEmbeddedPictures()) {
                            System.out.println("picture in table cell - " + picture);
                        }
                    }
                }
            }
        }
    } else {
        System.out.println("else - " + elem.getClass());
    }
}

额外说明 #

• getAllPictures()方法是直接读取文档/word/media/目录下的所有图片资源，完全不考虑图片在文档中的实际位置，所以无法保证顺序，只适合批量提取所有图片但不关心位置的场景。
• 表格内的图片必须递归遍历单元格内容，因为表格单元格的文本、图片都是以段落为载体组织的。

这样修改后，你就能严格按照文档的原始顺序读取到所有段落、表格和图片了。

内容的提问来源于stack exchange，提问作者Devanshu