如何使用Apache POI从OOXML中提取字体系列？

Question

我正在尝试使用Apache POI提取应用于特定段落的字体样式。在my XWPFParagraph对象上，方法getStyle()返回null。

对第一个XWPFRun对象调用方法getCTR().getRPr().getRStyle()也会返回null。

在我的XWPFDocument对象上调用getStyle().getDocDefaults().getRPrDefault()方法将返回以下内容：

    <w:rPr>
      <w:rFonts w:asciiTheme="minorHAnsi"/>
      <w:sz w:val="22"/>
      <w:szCs w:val="22"/>
      <w:lang w:val="en-GB" w:eastAsia="en-US" w:bidi="ar-SA"/>
    </w:rPr>

其中在w:rFonts标记中没有w:ascii属性。但是，在标记中声明了一个w:asciiTheme属性。如何使用Apache POI提取给定主题下的信息？

本例的字体样式被定义为主题minorHAnsi，主题可以在teme1.xml文件中找到。但是，例如，我如何使用Apache POI提取a:latin标记下的属性？下面是一个示例，它来自teme1.xml文件中的内容：

<a:minorFont>
   <a:latin typeface="Calibri"/>
   <a:ea typeface=""/>
   <a:cs typeface=""/>
   <a:font script="Jpan" typeface="ＭＳ 明朝"/>
   <a:font script="Hang" typeface="맑은 고딕"/>
   <a:font script="Hans" typeface="宋体"/>
                   ...
   <a:font script="Viet" typeface="Arial"/>
   <a:font script="Uigh" typeface="Microsoft Uighur"/>
   <a:font script="Geor" typeface="Sylfaen"/>
</a:minorFont>

Answer 1

如果问题是如何从*.docx文件系统中获取/word/theme/theme1.xml，那么如何解析它，然后从其中获取<a:minorFont><a:latin...，那么可以这样解决：

首先，使用OPCPackage的方法来获取包部分的/word/theme/theme1.xml。

...
  XWPFDocument document = new XWPFDocument(new FileInputStream("./WordExample.docx"));
  OPCPackage oPCPackage = document.getPackage();
  PackagePartName partName = PackagingURIHelper.createPartName("/word/theme/theme1.xml");
  PackagePart themePart = oPCPackage.getPart(partName);
...

然后，如果我们有这个PackagePart，就把它解析成一个org.openxmlformats.schemas.drawingml.x2006.main.ThemeDocument。然后使用org.openxmlformats.schemas.drawingml.x2006.main.ThemeDocument的方法来获取它的子元素。

...
  ThemeDocument themeDocument = ThemeDocument.Factory.parse(themePart.getInputStream());
  CTOfficeStyleSheet theme = themeDocument.getTheme();
  CTBaseStyles themeElements = theme.getThemeElements();
  CTFontScheme fontScheme = themeElements.getFontScheme();
  CTFontCollection minorFont = fontScheme.getMinorFont();
  CTTextFont latin = minorFont.getLatin();
...

不幸的是，目前还没有公开的org.openxmlformats.schemas.*的API文档。因此，要获得这样的文档，我们需要下载ooxml-schemas的源代码(例如从https://repo1.maven.org/maven2/org/apache/poi/ooxml-schemas/1.4/下载)，然后使用javadoc从源代码创建API文档。

完整示例：

import java.io.FileInputStream;

import org.apache.poi.xwpf.usermodel.*;
import org.apache.poi.openxml4j.opc.*;
import org.openxmlformats.schemas.drawingml.x2006.main.*;

public class WordGetThemeDocument {

 public static void main(String[] args) throws Exception {

  XWPFDocument document = new XWPFDocument(new FileInputStream("./WordExample.docx"));
  OPCPackage oPCPackage = document.getPackage();
  PackagePartName partName = PackagingURIHelper.createPartName("/word/theme/theme1.xml");
  PackagePart themePart = oPCPackage.getPart(partName);
System.out.println(themePart);

  ThemeDocument themeDocument = ThemeDocument.Factory.parse(themePart.getInputStream());
  CTOfficeStyleSheet theme = themeDocument.getTheme();
  CTBaseStyles themeElements = theme.getThemeElements();
  CTFontScheme fontScheme = themeElements.getFontScheme();
  CTFontCollection minorFont = fontScheme.getMinorFont();
  CTTextFont latin = minorFont.getLatin();
System.out.println(latin);
  String typeFace = latin.getTypeface();
System.out.println(typeFace);

  document.close();
 }

}