ApachePOI getText仅显示docx部分文本问题求助

嘿，我碰到过类似的坑，你的代码里有两个关键问题导致只能读取部分文本，咱们一步步来修正：

问题原因分析 #

1. getText(0)的局限性：XWPFRun的getText(int pos)方法只会返回指定索引位置的文本节点，而一个run可能包含多个文本节点（比如文档编辑时的格式调整、内容修改痕迹都可能导致文本被拆分到多个节点），只取索引0的话自然会漏掉后面的内容。
2. 未处理嵌套表格：如果你的docx表格单元格里还嵌套了子表格，原来的代码完全不会遍历这部分内容，这部分文本就直接被忽略了。

修正方案 #

1. 替换getText(0)为getText() #

XWPFRun.getText()方法会返回该run下所有文本节点拼接后的完整内容，能避免单个run内的文本遗漏。

2. 递归处理嵌套表格 #

增加递归逻辑，遍历单元格内的子表格，确保嵌套结构里的文本也能被读取到。

完整修正代码 #

import org.apache.poi.xwpf.usermodel.*;
import org.apache.poi.openxml4j.opc.OPCPackage;
import java.io.IOException;
import java.util.List;

public class DocxTextReader {
    public static void main(String[] args) throws IOException {
        try (XWPFDocument doc = new XWPFDocument(OPCPackage.open("Шаблон.docx"))) {
            // 处理文档中的所有顶层表格
            processTables(doc.getTables());
        }
    }

    // 递归处理表格（包括嵌套表格）
    private static void processTables(List<XWPFTable> tables) {
        for (XWPFTable tbl : tables) {
            for (XWPFTableRow row : tbl.getRows()) {
                for (XWPFTableCell cell : row.getTableCells()) {
                    // 读取单元格内的段落文本
                    readParagraphs(cell.getParagraphs());
                    // 递归处理单元格内的嵌套表格
                    processTables(cell.getTables());
                }
            }
        }
    }

    // 读取段落文本
    private static void readParagraphs(List<XWPFParagraph> paragraphs) {
        for (XWPFParagraph p : paragraphs) {
            // 方法一：直接获取整个段落的完整文本（简洁高效，适合只需要文本的场景）
            String fullParaText = p.getText();
            if (fullParaText != null && !fullParaText.trim().isEmpty()) {
                System.out.println("段落文本：" + fullParaText);
            }

            // 方法二：遍历每个run获取文本（适合需要处理run格式的场景）
            for (XWPFRun r : p.getRuns()) {
                String runText = r.getText();
                if (runText != null && !runText.trim().isEmpty()) {
                    System.out.println("Run文本：" + runText);
                }
            }
        }
    }
}

额外提示 #

如果你的文档里还有页眉、页脚、文本框这类特殊元素的文本需要读取，还需要额外遍历doc.getHeaderList()、doc.getFooterList()以及文档中的文本框元素，但如果只是处理表格内容，上面的代码就足够覆盖绝大多数场景了。

内容的提问来源于stack exchange，提问作者Ibosh