問題タブ [wordprocessingml]

テンプレート内のいくつかの文字列パターンを置き換え、Apache POI を使用して出力 docx ファイルを生成する Java コードを開発しました。ヘッダーと段落のパターンを置き換えるのは簡単でしたが、テキスト ボックス内を置き換えようとすると問題が発生しました。Apache POI を使用して docx のテキスト ボックスのテキストを置き換えるで Axel Ritcher が提供するコードを使用していますが、実行のたびにいくつかの空白が削除されるという問題があります。

例えば：

なる:

この置換を行うコードの部分は次のとおりです (関数のパラメーターは次のとおりです。doc_buffer は XWPFDocument であり、パターンと置換は両方とも文字列です)。

追加情報が必要な場合は、お知らせください。

前もって感謝します！

100 ページ以上のドキュメント内のテキストを解析しようとすると、Word の相互運用性が非常に遅くなります。はるかに高速な OpenXML SDK を使用するようにコードを書き直しました。私の問題は、OpenXMLドキュメントで情報を見つけたら、Wordドキュメントでそれを見つけて、メインウィンドウをスクロールする必要があることです。これを実現するには、OpenXML 段落を相互運用段落に何らかの方法で一致させる必要があります。interop の段落は openxml の段落と完全に一致すると思っていましたが、それは間違いでした。実際、相互運用には通常、OpenXML よりも多くの段落があります。それらを一致させるのに役立つトリックや情報はありますか? たとえば、通常、相互運用には、テーブルの各行の後に空の段落が 1 つあることがわかりました。おそらくこの情報を使って 心に留めておくことができます

アップデート

以下は、次のような単純なコンテンツを持つ Word ドキュメントの相互運用と openxml 段落の違いを示すために作成した単純なアドインのスクリーンショットです。

次に、アドインは相互運用パラグラフのリストと OpenXML パラグラフのリストを取得し、それらを並べて表示します。

私が使用したコードは次のとおりです。

.docx ファイルには、「厳密」または「移行」の 2 つのバリアントがあるためです。これらの .docx ファイルの亜種をプログラムで識別する方法はありますか?

MS Office Word 用のアドインがあり、"transitional" のみを許可し、"strict" の禁止/エラーを許可する必要があります。

これまでのところ、取得しようとしましたがwordprocessingDocument.MainDocumentPart.Document.Conformance、適合性からのみ null を取得しました。それが理想的なアプローチであるかどうかはわかりません...

document.xml次のような DOCX ファイルから docx4j を使用してランからテキストを抽出したい:

実行を抽出したので、各実行のテキストを取得したいと思います。以下のコードは機能しますが、非常に冗長です。より簡潔な方法で org.docx4j.wml.R のインスタンスのテキストを取得することは可能ですか?

「R::getContent」と「R::getRPr」は存在するのに、なぜ「R::getText」がテキスト文書に存在しないのだろうか。