Java使用POI读取2007+版本PPT

贴上代码，感觉读取Word，PPT，Excel这些都可以直接把文件用7z解压后，然后看主要文件的XML文件结构，然后代码自然就出来了。

不多说了，直接贴上代码：

package com.acgist.ppt;

import java.io.IOException;
import java.util.List;

import org.apache.poi.openxml4j.exceptions.OpenXML4JException;
import org.apache.poi.xslf.XSLFSlideShow;
import org.apache.xmlbeans.XmlException;
import org.openxmlformats.schemas.drawingml.x2006.main.CTRegularTextRun;
import org.openxmlformats.schemas.drawingml.x2006.main.CTTextParagraph;
import org.openxmlformats.schemas.presentationml.x2006.main.CTGraphicalObjectFrame;
import org.openxmlformats.schemas.presentationml.x2006.main.CTShape;
import org.openxmlformats.schemas.presentationml.x2006.main.CTSlideIdListEntry;

/**
 * 读取PPT
 */
public class PPTUtils {

	/**
	 * 读取PPT2007+
	 * @param path ppt路径
	 */
	public static void getTextFromPPT2007(String path) {
		XSLFSlideShow xslfSlideShow;
		try {
			xslfSlideShow = new XSLFSlideShow(path);
			int page = 0;
			List<CTSlideIdListEntry> list = xslfSlideShow.getSlideReferences().getSldIdList();
			for (CTSlideIdListEntry ctSlideIdListEntry : list) {
				page++;
				List<CTShape> spList = xslfSlideShow.getSlide(ctSlideIdListEntry).getCSld().getSpTree().getSpList();
				for (CTShape ctShape : spList) {
					List<CTTextParagraph> pList = ctShape.getTxBody().getPList();
					for (CTTextParagraph ctTextParagraph : pList) {
						System.out.println(ctTextParagraph.newCursor() .getTextValue() + "=========================" + page);
						CTRegularTextRun[] runs = ctTextParagraph.getRArray();
						for (CTRegularTextRun ctRegularTextRun : runs) {
							System.out.println(ctRegularTextRun.getT());
						}
//						List<CTRegularTextRun> rList = ctTextParagraph.getRList(); // 这个应该是缺少了什么包文件不能使用
//						for (CTRegularTextRun ctRegularTextRun : rList) {
//							System.out.println(ctRegularTextRun.getT());
//						}
					}
				}
				List<CTGraphicalObjectFrame> graphicFrameList = xslfSlideShow.getSlide(ctSlideIdListEntry).getCSld().getSpTree().getGraphicFrameList();
				for (CTGraphicalObjectFrame ctGraphicalObjectFrame : graphicFrameList) {
					ctGraphicalObjectFrame.getGraphic().getGraphicData();
				}
			}
		} catch (OpenXML4JException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		} catch (XmlException e) {
			e.printStackTrace();
		}
	}

	public static void main(String[] args) {
		getTextFromPPT2007("E:/company/ppt/简历设计.pptx");
	}

}

上面有一段注释掉的代码那一段读取文本框里面换行内容的，但是不知道怎么的getRList那个方法不能使用，缺少class，但是网上也没找到，所以用了废弃的一个方法。

更多详细的API参考官网地址：http://poi.apache.org/slideshow/xslf-cookbook.html

下面是官方的读取代码感觉要简单很多，而且修改也非常简单，我只测试了文本框的。

XMLSlideShow ppt = new XMLSlideShow(new FileInputStream(path));
XSLFSlide[] slide = ppt.getSlides();
for (int i = 0; i < slide.length; i++) {
	XSLFShape[] sh = slide[i].getShapes();
	for (int j = 0; j < sh.length; j++) {
		String name = sh[j].getShapeName();
		java.awt.geom.Rectangle2D anchor = sh[j].getAnchor();
		if (sh[j] instanceof XSLFConnectorShape) {
			XSLFConnectorShape line = (XSLFConnectorShape) sh[j];
		} else if (sh[j] instanceof XSLFTextShape) {
			XSLFTextShape shape = (XSLFTextShape) sh[j];
			System.out.println(shape.getText());
			shape.setText("acgist");
		} else if (sh[j] instanceof XSLFPictureShape) {
			XSLFPictureShape shape = (XSLFPictureShape) sh[j];
		}
	}
	ppt.write(new FileOutputStream("e://test/t.pptx"));
}

如果包含table可以XSLFTable table = (XSLFTable) sh[j];转为table读取，怎么获取sh[j]的类名我想就不需要说了吧。

上面两种方法推荐第二种吧，毕竟是官方给出来的，第一种比较容易了解PPT的XML文件格式。

后面还有一些替换图片的方法有时间再来叙述吧。