Apache POI写入Word的bidi字符串修改文件后无法正常读取问题

问题原因 #

你手动添加的\u202E（从右到左覆盖控制符RLO）和\u202C（弹出方向格式化控制符PDF）都属于不可见的Unicode双向控制字符，触发问题的核心逻辑如下：

• 首次写入时，控制符和业务文本被放在同一个XWPFRun节点内，所以首次回读能拿到完整的字符串，isBlank()判断正常。
• 用Word修改文件后，Word会自动重构文档的XML结构：会把不可见控制符和可见业务文本拆分成独立的XWPFRun节点，甚至会将你手动插入的控制符单独存到一个空Run中，可见业务文本被拆分到其他相邻Run里。
• 如果你读取时只提取了原写入位置的单个Run内容，拿到的就只剩两个不可见的控制符，Java的String.isBlank()会将这类不可见格式控制符判定为空白字符，因此直接返回true。

可行解决方案 #

• 方案1：改用POI原生API设置双向属性，不要手动插入控制符
  对需要从右到左显示的文本，直接给对应的XWPFRun设置RTL属性：

  XWPFRun run = paragraph.createRun();
  run.setText(aString);
  run.setRtl(true); // 底层自动生成Word兼容的RTL标记，不会被拆分
  

  这种方式的标记是Word原生支持的属性，修改后不会被拆分，读写都不会出现内容丢失的问题。
• 方案2：读取时拼接相邻Run的全部内容
  不要依赖单个XWPFRun的文本内容，读取时遍历目标段落的所有Run，把所有文本拼接完成后再做后续判断和业务处理。
• 方案3：自定义非空判断逻辑
  如果必须保留手动插入控制符的逻辑，判断空之前先过滤掉所有双向控制类字符，再判断剩余内容是否为空：

  // 过滤所有双向控制符的示例逻辑
  public static boolean isBidiStringBlank(String str) {
      if (str == null) return true;
      return str.codePoints()
          .filter(c -> !((c >= 0x202A && c <= 0x202E) || (c >= 0x2066 && c <= 0x2069)))
          .allMatch(Character::isWhitespace);
  }
  

内容的提问来源于stack exchange，提问作者user12616222