JavaでWord文書から表データを抽出する方法

Word 文書は広く使用されているファイル形式の一つであり、財務報告書、プロジェクト計画、実験データ記録など、さまざまな分野にわたる豊富な表形式データを含むことがよくあります。これらの表形式データを抽出することで、データ分析やコンテンツの再作成が容易になり、多くの場面で役立ちます。Java を使用して Word 文書の表形式データを抽出することで、データ処理の一貫性と正確性を確保し、作業にかかる時間とコストを大幅に削減することが可能です。本記事では、Java を使用して Word 文書内の表形式データを抽出する方法を紹介します。

• JavaでWord文書のテーブルをテキストファイルに抽出
• JavaでWord文書のテーブルをExcelファイルに抽出

本記事で紹介する方法では、無料のFree Spire.Doc for Javaを使用します。Maven の設定例は以下の通りです：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.com/nexus/content/groups/public/</url>
    </repository>
</repositories>
<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.doc.free</artifactId>
    <version>5.3.2</version>
</dependency>

JavaでWord文書のテーブルをテキストファイルに抽出

Section.getTables() メソッドを使用して、Word 文書の各セクションから表を取得し、表の行や列を順次処理することで、表内の段落テキストを抽出できます。以下に具体的な手順を示します：

1. Document オブジェクトを作成し、ファイルから Word 文書を読み込む。
2. 文書内の各セクションを順に処理し、Section.getTables() で表を取得する。
3. 各表の行とセルを順に処理し、テキスト内容を抽出する。
4. 抽出したテキストを StringBuilder に追加する。
5. StringBuilder 内の内容を出力または保存する。

コード例：

import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;

import java.io.FileWriter;
import java.io.IOException;

public class ExtractWordTable {
    public static void main(String[] args) {
        // Document オブジェクトを作成
        Document doc = new Document();

        try {
            // Word 文書を読み込む
            doc.loadFromFile("GSample.docx");

            // 各セクションを処理
            for (int i = 0; i < doc.getSections().getCount(); i++) {
                Section section = doc.getSections().get(i);
                for (int j = 0; j < section.getTables().getCount(); j++) {
                    Table table = section.getTables().get(j);
                    StringBuilder tableText = new StringBuilder();
                    for (int k = 0; k < table.getRows().getCount(); k++) {
                        TableRow row = table.getRows().get(k);
                        StringBuilder rowText = new StringBuilder();
                        for (int l = 0; l < row.getCells().getCount(); l++) {
                            TableCell cell = row.getCells().get(l);
                            String cellText = "";
                            for (int m = 0; m < cell.getParagraphs().getCount(); m++) {
                                Paragraph paragraph = cell.getParagraphs().get(m);
                                cellText += paragraph.getText() + " ";
                            }
                            if (l < row.getCells().getCount() - 1) {
                                rowText.append(cellText).append("\t");
                            } else {
                                rowText.append(cellText).append("\n");
                            }
                        }
                        tableText.append(rowText);
                    }
                    try (FileWriter writer = new FileWriter("output/Tables/Section-" + (i + 1) + "-Table-" + (j + 1) + ".txt")) {
                        writer.write(tableText.toString());
                    }
                }
            }
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }
}

結果：

JavaでWord文書のテーブルをExcelファイルに抽出

Free Spire.XLS for Java を使用することで、抽出した表データを直接 Excel ワークシートに書き込むことが可能です。以下に具体的な手順を示します：

1. Document と Workbook オブジェクトを作成し、Workbook のデフォルトシートを削除する。
2. Word 文書を Document に読み込み、セクションと表を順次処理する。
3. 各表に対して、Workbook.getWorksheets().add() を使用して新しいワークシートを作成する。
4. 表の行とセルを順に処理し、テキスト内容を抽出する。
5. Worksheet.getRange().get().setValue() を使用して抽出したテキストをワークシートの対応するセルに書き込み、書式を設定する。
6. Workbook を Excel ファイルとして保存する。

コード例：

import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import com.spire.xls.FileFormat;
import com.spire.xls.Workbook;
import com.spire.xls.Worksheet;

public class ExtractWordTableToExcel {
    public static void main(String[] args) {
        Document doc = new Document();
        Workbook workbook = new Workbook();
        workbook.getWorksheets().clear();

        try {
            doc.loadFromFile("Sample.docx");

            for (int i = 0; i < doc.getSections().getCount(); i++) {
                Section section = doc.getSections().get(i);
                for (int j = 0; j < section.getTables().getCount(); j++) {
                    Table table = section.getTables().get(j);
                    Worksheet sheet = workbook.getWorksheets().add("Section-" + (i + 1) + "-Table-" + (j + 1));
                    for (int k = 0; k < table.getRows().getCount(); k++) {
                        TableRow row = table.getRows().get(k);
                        for (int l = 0; l < row.getCells().getCount(); l++) {
                            TableCell cell = row.getCells().get(l);
                            String cellText = "";
                            for (int m = 0; m < cell.getParagraphs().getCount(); m++) {
                                Paragraph paragraph = cell.getParagraphs().get(m);
                                cellText += (m > 0 && m < cell.getParagraphs().getCount() - 1) ? paragraph.getText() + "\n" : paragraph.getText();
                                sheet.getRange().get(k + 1, l + 1).setValue(cellText);
                            }
                            sheet.autoFitColumn(l + 1);
                        }
                    }
                }
            }
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
        workbook.saveToFile("output/WordTableToExcel.xlsx", FileFormat.Version2016);
        workbook.dispose();
    }
}

結果：

本記事では、Java を使用して Word 文書内の表形式データを抽出する方法を、手順とコード例を交えて解説しました。