如何使用POI Java接受Word文档中的所有修订？

Question

**如何使用POI Java接受Word文档中的所有修订？** 在处理Microsoft Word文档时，常需通过Java程序自动接受文档中的修订。Apache POI作为流行的Java操作Office文档的库，是否支持读取并接受.docx格式文档中的修订内容？具体而言，如何利用POI遍历文档中的修订痕迹（如插入、删除、格式更改等），并将其批量接受或拒绝？是否存在相关API或需借助底层XML操作实现？此外，该过程是否会破坏文档原有格式？开发者希望了解POI对修订处理的支持程度及实现方案。

Answer 1

一、Apache POI 简介与 Word 文档修订处理背景

Apache POI 是一个用于读写 Microsoft Office 文件的 Java 库，支持包括 .xls、.xlsx、.doc、.docx 等格式。在处理 Word (.docx) 文档时，开发者常面临需要接受或拒绝文档中所有修订（Track Changes）的需求。

Word 中的修订功能会记录文档中的插入、删除、格式更改等操作，并通过不同颜色和标记显示出来。这些信息存储在 OpenXML 的底层结构中，POI 虽然提供了对 DOCX 文件的基础操作能力，但其对修订内容的支持并不完善，通常需要借助底层 XML 操作来实现。

二、POI 对 Word 修订的支持现状

目前 Apache POI（截至版本 5.x）对于 Word 文档中的修订痕迹没有提供专门的高层 API 来进行“接受”或“拒绝”操作。这意味着开发者不能像在 Microsoft Word 中那样一键接受所有修订，而必须手动解析并修改 OpenXML 结构。

• XWPFDocument：POI 提供的 XWPFDocument 类可以读取和写入 .docx 文件的基本内容。
• CTTrackChange：部分修订信息可通过 CTTrackChange 接口访问，但功能有限。
• 底层 XML 操作：需深入 docx 包中的 document.xml 文件，解析 w:ins 和 w:del 标签。

三、修订内容的识别与遍历机制

在 OpenXML 中，修订信息主要体现在以下标签中：

标签	含义
<w:ins>	表示插入的内容
<w:del>	表示删除的内容
<w:bdo>	可能包含格式变更的修订

因此，遍历文档中的所有段落和表格，检查每个元素是否包含上述标签是关键步骤。

四、接受所有修订的核心实现逻辑

要实现“接受所有修订”，核心思路是：

1. 打开 .docx 文件为 ZIP 包，提取 document.xml。
2. 使用 XML 解析器（如 DOM 或 SAX）读取并修改 XML 内容。
3. 移除所有 <w:del> 元素（即删除内容）。
4. 保留 <w:ins> 中的内容，并去除该标签本身。
5. 将修改后的 XML 写回 document.xml 并重新打包为 .docx 文件。

五、代码示例：接受所有修订的基本流程

import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.w3c.dom.*;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import java.io.*;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;

public class AcceptAllRevisions {
    public static void main(String[] args) throws Exception {
        File inputFile = new File("input.docx");
        File outputFile = new File("output.docx");

        OPCPackage opc = OPCPackage.open(inputFile);
        InputStream is = opc.getPartByName("/word/document.xml").getInputStream();
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        DocumentBuilder db = dbf.newDocumentBuilder();
        Document doc = db.parse(is);

        removeDeletions(doc);
        acceptInsertions(doc);

        // Write back to output
        TransformerFactory tf = TransformerFactory.newInstance();
        Transformer transformer = tf.newTransformer();
        DOMSource source = new DOMSource(doc);
        StreamResult result = new StreamResult(new FileOutputStream("document.xml"));
        transformer.transform(source, result);

        // Rebuild the docx file
        rebuildDocx(inputFile, outputFile, "document.xml");

        System.out.println("All revisions accepted and saved to output.docx");
    }

    private static void removeDeletions(Document doc) {
        NodeList dels = doc.getElementsByTagName("w:del");
        for (int i = 0; i < dels.getLength(); i++) {
            Node del = dels.item(i);
            Node parent = del.getParentNode();
            parent.removeChild(del);
        }
    }

    private static void acceptInsertions(Document doc) {
        NodeList insList = doc.getElementsByTagName("w:ins");
        for (int i = 0; i < insList.getLength(); i++) {
            Element ins = (Element) insList.item(i);
            NodeList children = ins.getChildNodes();
            Node parent = ins.getParentNode();
            while (children.getLength() > 0) {
                Node child = children.item(0);
                parent.insertBefore(child, ins);
            }
            parent.removeChild(ins);
        }
    }

    private static void rebuildDocx(File original, File output, String modifiedXml) throws IOException {
        // 实现 ZIP 文件替换 logic
    }
}
  

六、Mermaid 流程图：接受所有修订的操作流程

graph TD
      A[打开原始.docx文件] --> B[提取document.xml]
      B --> C{解析XML文档}
      C --> D[查找标签]
      D --> E[移除删除内容]
      C --> F[查找标签]
      F --> G[保留插入内容并去除标签]
      G --> H[生成新的document.xml]
      H --> I[重新打包为.docx文件]
      I --> J[输出最终文档]

七、格式兼容性与潜在问题分析

尽管上述方法能有效接受所有修订，但在实际应用中需要注意以下几个方面：

• 样式丢失风险：某些复杂的格式变更（如字体加粗、颜色变化）可能无法正确保留。
• 嵌套结构处理：表格、列表、文本框等嵌套结构需要递归处理。
• 性能问题：大型文档可能导致内存占用过高。
• 依赖库限制：POI 不直接支持修订操作，需依赖第三方 XML 处理库。

建议结合使用 POI + 自定义 XML 解析器（如 DOM4J、JDOM），并在测试环境中验证输出结果。