使用Apache POI读取Word(docx)中带上下文的MathML公式问题求助

问题根因&解决方案 #

• 1. 转换XSL文件用反了
     你现在用的MML2OMML.XSL是负责把MathML转换为Office内置OMML公式格式的，你的需求是把OMML转成MathML，必须使用OMML2MML.XSL文件，文件用反会直接导致转换无输出。
• 2. 依赖不全
     Apache POI默认自带的poi-ooxml-schemas是精简包，缺少CTOMath相关的完整类定义，需要补充完整的ooxml依赖：

  <dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml-full</artifactId>
    <version>5.0.0</version>
  </dependency>
  

• 3. 公式节点提取逻辑遗漏
     遍历文档段落时不能只提取普通文本Run节点，需要主动从段落的CTP对象中提取公式节点，参考提取逻辑：

  import org.apache.poi.xwpf.usermodel.XWPFDocument;
  import org.apache.poi.xwpf.usermodel.XWPFParagraph;
  import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTP;
  import org.openxmlformats.schemas.officeDocument.x2006.math.CTOMath;
  import javax.xml.transform.Transformer;
  import javax.xml.transform.TransformerFactory;
  import javax.xml.transform.dom.DOMSource;
  import javax.xml.transform.stream.StreamResult;
  import javax.xml.transform.stream.StreamSource;
  import java.io.FileInputStream;
  import java.io.StringWriter;
  import java.util.List;
  import java.util.stream.Collectors;
  
  public class DocxMathReader {
      public static void main(String[] args) throws Exception {
          XWPFDocument doc = new XWPFDocument(new FileInputStream("test.docx"));
          // 加载正确的OMML2MML转换文件
          TransformerFactory factory = TransformerFactory.newInstance();
          Transformer transformer = factory.newTransformer(new StreamSource("path/to/OMML2MML.xsl"));
          
          for (XWPFParagraph para : doc.getParagraphs()) {
              CTP ctp = para.getCTP();
              // 提取行内公式
              List<CTOMath> omathList = ctp.getOMathList();
              for (CTOMath math : omathList) {
                  StringWriter writer = new StringWriter();
                  transformer.transform(new DOMSource(math.getDomNode()), new StreamResult(writer));
                  System.out.println("公式MathML：" + writer);
              }
              // 提取块级公式
              List<CTOMath> paraMathList = ctp.getOMathParaList().stream()
                      .flatMap(p -> p.getOMathList().stream())
                      .collect(Collectors.toList());
              for (CTOMath math : paraMathList) {
                  StringWriter writer = new StringWriter();
                  transformer.transform(new DOMSource(math.getDomNode()), new StreamResult(writer));
                  System.out.println("块级公式MathML：" + writer);
              }
          }
          doc.close();
      }
  }
  

• 4. 转换参数校验
     确认使用的OMML2MML.XSL文件支持OMML命名空间http://schemas.openxmlformats.org/officeDocument/2006/math，命名空间不匹配会导致XSLT无法匹配节点，输出为空。

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