最近有一個需求，通過java讀取word文件，獲取裡面的批註內容，批註的作者以及被批註的內容，被批註內容所在的章節數和頁碼數。poi提供的API都是英文的，而且針對word的操作並不是很完善，所以就自己總結了一下。

首先，這裡使用的是XWPFDocument物件來讀取word文件的,XWPFDocument物件提供了一個方法，可以直接獲取word文件裡所有的批註：

public XWPFComment[] getComments();

返回的是一個數組，裡面包含所有的批註物件。
通過這種方式獲取的XWPFDocument物件，其實是以一種xml格式，可以通過各種方式來驗證。批註的格式為：

<w:commentRangeStart w:id="0" /> 
<w:t>正文文字</w:t>
</w:r> 
<w:commentRangeEnd w:id="0" />

其中w:commentRangeStart表示標註的開始，w:commentRangeEnd表示標註結束了，w:t標籤的值就是標註所引用的正文，w:id是標註的唯一標識。如果被引用的正文是圖片的話，則標籤為：

<wp:docPr id="1" name="xxx" descr="yyy.png" />

如果僅僅獲取標註的資訊的話，上面的內容已經足夠了。下面介紹一下如何獲取章節數和頁碼數。
前提條件是整個word的格式正確，否則得不到想要的結果。另外，需要說明的是，因為頁碼是根據目錄來的，所有如果說某一個章節跨頁的話，獲取的頁碼可能不準確，存在偏差。

獲取目錄

public List<XWPFParagraph> getParagraphs()；

通過上面的方法，對整個word文件逐行的進行解析，前面已經提到，解析到的物件是一種xml格式的資料，由各種標籤控制著。

public CTHyperlink[] getHyperlinkArray();

如果所在的行是目錄的話，會存在w:hyperlink標籤，可通過上面的方法獲取整個目錄的內容，另外，還會存在w:anchor這樣一個標籤，也需要獲取這個標籤的值，因為這個值與下文的標題有關聯，可通過這個值找到標題與目錄的關聯關係。

CTR[] rArray = ctHyperlink.getRArray();
 

for(CTR ctr : rArray) {
    CTText[] tArray = ctr.getTArray();
    for(CTText t : tArray) {
            sb.append(t.getStringValue());
    }
}

通過上面的方法可獲取目錄的內容。

獲取正文標題

正文中的標題會有一個w:bookmarkStart標籤標識，還有一個w:name標籤，該標籤的值與目錄中的w:anchor的值一致，通過這個值，可以找到目錄內容，從而得知該段落所在的章節數和頁碼數。

public CTBookmark[] getBookmarkStartArray();

可以通過上面的方法獲取正文標題的內容。

END

上面這些方法已經足夠完成需求了。可以先獲取所有的標註，然後再解析word，在解析的過程中，儲存章節數和頁碼數，最後通過標註的唯一標識id來封裝最終的物件。

關於word解析後的xml格式，裡面還有很多標籤可以使用，有興趣的請自行了解。
相關原始碼下載