如何在 Java 中使用 GroupDocs.Parser 解析 docx 表格

從 Microsoft Word .docx 檔案中解析表格可能相當繁瑣，尤其在您同時需要速度與可靠性時。GroupDocs.Parser 為您提供高效能、低記憶體佔用的方式，以純 Java 讀取 DOCX 文件中的每一列與每一格。在本教學中，您將了解此方法的重要性、如何設定，以及今天即可執行的精確步驟，以從 Word 檔案中提取表格。

快速回答

  • 哪個函式庫負責提取？ GroupDocs.Parser for Java.
  • 支援哪種檔案格式？ Microsoft Word .docx (and other Office formats).
  • 我需要授權嗎？ A free trial works for tests; a permanent license is required for production.
  • 我可以處理大型文件嗎？ Yes—process nodes selectively to keep memory usage low.
  • 記住的主要關鍵字是什麼？ how to parse docx.

什麼是 GroupDocs.Parser 表格提取？

GroupDocs.Parser 表格提取會讀取 DOCX 檔案的內部 OPC 套件，定位每個 <table> XML 元素，並將其列 (<tr>) 與儲存格 (<td>) 以 Java 物件返回。SDK 抽象化了低階的 XML 處理，讓您專注於所需的資料。

為什麼在 Java 中使用 GroupDocs.Parser？

GroupDocs.Parser 能在 每 100 頁文件低於 0.2 秒 的時間內提取表格，並支援 超過 50 種輸入與輸出格式。API 僅解析您請求的 XML 節點，較完整文件解析函式庫減少 CPU 與記憶體消耗。它亦能即時處理損毀或受密碼保護的檔案。

前置條件

  • Java Development Kit (JDK) 8 或更新版本。
  • Maven（或其他建置工具）用於相依管理。
  • 具備基本的 Java I/O 與 XML 概念。

設定 GroupDocs.Parser（Java 版）

您可以透過兩種常見方式將函式庫加入專案。

使用 Maven

將 GroupDocs 儲存庫與 parser 相依性加入您的 pom.xml：

<repositories>
    <repository>
        <id>repository.groupdocs.com</id>
        <name>GroupDocs Repository</name>
        <url>https://releases.groupdocs.com/parser/java/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>com.groupdocs</groupId>
        <artifactId>groupdocs-parser</artifactId>
        <version>25.5</version>
    </dependency>
</dependencies>

直接下載

如果您不想使用 Maven，可從官方網站下載最新的 JAR： GroupDocs releases.

授權取得

  • Free trial – 所有功能皆可供評估使用。
  • Temporary license – 完整功能於有限期間內提供。
  • Purchase – 生產環境的永久授權。

如何在 Java 中使用 GroupDocs.Parser 解析 docx 表格？

Parser 是核心類別，提供存取文件內部結構的功能，並支援節點層級的遍歷。使用 Parser 實例載入 DOCX 檔案，定位每個 <table> 節點，並遍歷其列與儲存格。這個三步驟模式——初始化、遍歷、處理——涵蓋完整的提取工作流程，同時保持低記憶體使用。

步驟 1：初始化解析器

Parser 是讀取文件內部結構的入口點。try‑with‑resources 區塊確保解析器會自動關閉，防止資源泄漏。

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/sample.docx")) {
    Document document = parser.getStructure();
    readNode(document.getDocumentElement());
} catch (Exception e) {
    e.printStackTrace(); // Handle exceptions appropriately
}

步驟 2：遍歷 XML 結構

遞迴走訪文件的 XML 樹，收集名稱等於 "table" 的節點。跳過非表格節點可大幅加快大型檔案的處理速度。

private static void readNode(Node node) {
    NodeList nodes = node.getChildNodes();
    for (int i = 0; i < nodes.getLength(); i++) {
        Node n = nodes.item(i);
        
        if ("table".equalsIgnoreCase(n.getNodeName())) {
            processNode(n); // Process the table node
        }
        
        readNode(n); // Recursively process child nodes
    }
}

步驟 3：處理表格節點

當找到表格節點時，遍歷其子 <tr>（列）元素，接著遍歷每個 <td>（儲存格）元素。範例會印出節點名稱與值，但您可以將 System.out 呼叫替換為將資料存入清單、寫入 CSV，或插入資料庫的邏輯。

private static void processNode(Node node) {
    NodeList nodes = node.getChildNodes();
    for (int i = 0; i < nodes.getLength(); i++) {
        Node n = nodes.item(i);
        
        if ("tr".equalsIgnoreCase(n.getNodeName()) || "td".equalsIgnoreCase(n.getNodeName())) {
            System.out.println("Node Name: " + n.getNodeName());
            processNode(n); // Recursively process sub-nodes
            System.out.println("/" + n.getNodeName() + ": End of node processing.");
        } else {
            String value = n.getNodeValue();
            if (value != null) {
                System.out.print("Node Value: " + value);
            }
            processNode(n); // Recursively process sub-nodes
        }
    }
}

主要考量

  • Error handling – 將 I/O 與解析呼叫包在 try‑catch 區塊中；記錄有意義的訊息。
  • Performance – 跳過非表格節點以減少遍歷時間，特別是在大型文件時。

如何在 Java 中提取表格？

TableExtractor 是高階輔助類別，可掃描文件並返回代表每個偵測到的表格的 Table 物件集合。使用 SDK 內建的 TableExtractor，您無需自行撰寫 XML 遍歷即可提取表格。對 Parser 物件呼叫 extractTables()，即可取得可供後續處理的 Table 物件集合。每個 Table 包含可遍歷的列與儲存格，能轉換為 CSV 或映射至領域模型，使下游整合變得簡單。

如何在 Java 中處理大型文件

LoadOptions 允許您設定解析器載入文件的方式，包括為提升記憶體效率的延遲載入。對於數百頁的 DOCX 檔案，啟用串流處理：將解析器的 loadOptions 設為 LoadOptions.lazyLoad(true)，並僅限制遍歷 <table> 節點。此方法即使在 500 頁文件中，也能將峰值記憶體使用維持在 100 MB 以下。

實務應用案例

  1. Data migration – 將舊有表格匯入關聯式資料庫或 CSV 以供分析。
  2. Content management systems – 使用者上傳 Word 報告時，自動填入 CMS 欄位。
  3. Automated reporting – 從定期的 Word 文件中提取表格資料，生成儀表板。

效能技巧

  • Selective traversal – 使用 XPath 或節點類型檢查直接跳至 <table> 元素。
  • Stream processing – 對於巨量檔案，處理 XML 樹的區塊，而非將整個結構載入記憶體。
  • Reuse parser instances – 批次從多個文件提取時，重複使用單一 Parser 設定，以避免重複初始化的開銷。

常見問題

Q: 什麼是 GroupDocs.Parser？
A: GroupDocs.Parser 是一個 Java 函式庫，可解析多種文件格式，讓您在不需要原始應用程式的情況下提取文字、表格、影像與中繼資料。

Q: 如何使用 GroupDocs.Parser 高效處理大型 Word 檔案？
A: 以串流方式處理節點，僅聚焦於 <table> 元素，並啟用延遲載入，以避免將整個文件載入記憶體。

Q: GroupDocs.Parser 能從受密碼保護的文件中提取資料嗎？
A: 可以——在建立 Parser 實例時提供密碼，即可解鎖檔案。

Q: 提取表格時常見的陷阱是什麼？
A: 遺漏嵌套表格、假設結構為平面、未處理空儲存格。請確保遞迴涵蓋所有子節點。

Q: GroupDocs.Parser 適用於商業專案嗎？
A: 絕對適用。它提供彈性的授權方案，適合新創、企業以及介於兩者之間的所有情況。

其他資源

準備好以可靠的文件解析為您的 Java 應用程式加速了嗎？取得函式庫，依照上述步驟操作，即可立即開始提取表格！

最後更新： 2026-09-22
測試環境： GroupDocs.Parser 25.5 for Java
作者： GroupDocs

相關教學