NPOI处理Word文本中段落编号

NPOI的XWPFParagraph对象中，是无法直接读取段落编号的，然而可以读取的是编号的样式名称（GetNumFmt），编号分组ID（GetNumID），编号样式（NumLevelText）等。具体如下：

/*
             * 若干格式信息
             * GetNumFmt: decimal, GetNumID: 1, GetNumIlvl: 0, NumLevelText: %1. => 1.
             * GetNumFmt: decimal, GetNumID: 4, GetNumIlvl: 0, NumLevelText: %1) => 1)
             * GetNumFmt: chineseCountingThousand, GetNumID: 2, GetNumIlvl: 0, NumLevelText: (%1) => (一)
             * GetNumFmt: chineseCountingThousand, GetNumID: 3, GetNumIlvl: 0, NumLevelText: %1、 => 一、
             * GetNumFmt: upperLetter, GetNumID: 5, GetNumIlvl: 0, NumLevelText: %1. => A.
             * GetNumFmt: decimal, GetNumID: 6, GetNumIlvl: 0, NumLevelText: %1、 => 1、
             */

于是封装了段落编号的处理类，几个关键点：

1、考虑频繁调用，使用单例。

2、依照NumLevelText内容替换编号的样式

3、编号分组发生变化时，编号要重置为1，采用字典记录

4、汉字、字母统一处理为数字编号

5、读取一个新Word时，字典内容要清空

段落处理类：

    /// <summary>
    /// 段落处理类
    /// Author: Matsuyoi
    /// </summary>
    class ParagraphNumHandle
    {
        #region 封装为单例
        private static ParagraphNumHandle singleton = null;
        public static ParagraphNumHandle GetInstance()
        {
            if (singleton == null)
                singleton = new ParagraphNumHandle();
            //获取单例后重置一次变量
            singleton.Reset();
            return singleton;
        }
        #endregion
        //Num字典
        private Dictionary<string, int> _Count;
        private ParagraphNumHandle()
        {
            _Count = new Dictionary<string, int>();
        }
        /// <summary>
        /// 重置
        /// </summary>
        private void Reset()
        {
            //清空字典
            _Count.Clear();
        }
        /// <summary>
        /// 处理段落中的编号,汉字与字母编号统一转为数字编号
        /// </summary>
        /// <param name="paragraph"></param>
        /// <returns></returns>
        public string GetParagraphNum(XWPFParagraph paragraph)
        {
            string result = "";
            //若无编号格式信息,则返回空
            if (string.IsNullOrEmpty(paragraph.GetNumFmt()) ||
                string.IsNullOrEmpty(paragraph.GetNumID()) ||
                string.IsNullOrEmpty(paragraph.NumLevelText))
            {
                return result;
            }

            string key = paragraph.GetNumID() ?? "";
            if (!_Count.ContainsKey(key))
            {
                //编号从1开始
                _Count.Add(key, 1);
            }
            else
            {
                _Count[key] += 1;
            }

            string fmt = paragraph.NumLevelText.Replace("%1", "{0}");
            result = string.Format(fmt, _Count[key].ToString()) + " ";
            return result;
        }
    }

调用方式：

//段落编号处理
ParagraphNumHandle pnc = ParagraphNumHandle.GetInstance();
//正文段落
foreach (XWPFParagraph paragraph in document.Paragraphs)
{
//获取段楼中的编号
string num = pnc.GetParagraphNum(paragraph);

...

}

延续上一篇《NPOI处理Word文本中上下角标》的示例，完整代码如下：

/// <summary>
        /// 读取Word,并识别文本中的上下角标
        /// </summary>
        /// <param name="fileName"></param>
        /// <returns></returns>
        public static string ReadWordTextExWithSubscript(string fileName)
        {

            string fileText = string.Empty;
            StringBuilder sbFileText = new StringBuilder();

            #region 打开文档
            XWPFDocument document = null;
            try
            {
                using (FileStream file = new FileStream(fileName, FileMode.Open, FileAccess.Read))
                {
                    document = new XWPFDocument(file);
                }
            }
            catch (Exception e)
            {
                throw e;
            }
            #endregion
            //段落编号处理
            ParagraphNumHandle pnc = ParagraphNumHandle.GetInstance();
            //正文段落
            foreach (XWPFParagraph paragraph in document.Paragraphs)
            {
                //获取段楼中的句列表
                IList<XWPFRun> runsLists = paragraph.Runs;
                //获取段楼中的编号
                string num = pnc.GetParagraphNum(paragraph);
                sbFileText.Append("<p>" + num);
                foreach (XWPFRun run in runsLists)
                {
                    switch (run.Subscript)
                    {
                        case VerticalAlign.BASELINE:
                            sbFileText.Append(run.Text);
                            break;
                        //上角标
                        case VerticalAlign.SUPERSCRIPT:
                            sbFileText.Append("<sup>" + run.Text + "</sup>");
                            break;
                        //下角标
                        case VerticalAlign.SUBSCRIPT:
                            sbFileText.Append("<sub>" + run.Text + "</sub>");
                            break;
                        default:
                            sbFileText.Append(run.Text);
                            break;
                    }
                   
                }
                sbFileText.AppendLine("</p>");
            }
            fileText = sbFileText.ToString();

            return fileText;
        }

 

测试：

Word文档：

输出：

<p>1. 第一段</p>
<p>2. 第二段</p>
<p>1) 第三段</p>
<p>(1) 第四段</p>
<p>(2) 第五段</p>
<p>1、 第六段</p>
<p>2、 第七段</p>
<p>1. 第八段</p>
<p>1、 第九段</p>
<p>2、 第十段</p>
<p>测试^上_下ok。</p>
<p>CO₂</p>
<p>面积约6000km²</p>

Html预览：