[我正在用Java开发阿拉伯语OCR应用程序,该应用程序会提取图像中的阿拉伯语文本,然后将文本保存到Microsoft Word文件中,为此,我使用Apache-POI库。
我的问题是,当我提取一些文本时,单词的顺序很好,但是当我将其保存在Word文件中时,单词的顺序有点混乱,看起来像是镜像的
这是保存Word文件的代码:
public class SavingStringAsWordDoc {
File f=theGUI.toBeSavedWord;
public void saveAsWorddd (){
String st=TesseractPerformer.toBeShown;
try(FileOutputStream fout=new FileOutputStream(f);XWPFDocument docfile=new XWPFDocument()){
XWPFParagraph paraTit=docfile.createParagraph();
paraTit.setAlignment(ParagraphAlignment.LEFT);
XWPFRun paraTitRun=paraTit.createRun();
paraTitRun.setBold(true);
paraTitRun.setFontSize(15);
paraTit.setAlignment(ParagraphAlignment.RIGHT);
docfile.createParagraph().createRun().setText(st); //content to be written
docfile.write(fout); //adding to output stream
} catch(IOException e){
System.out.println("IO ERROR:"+e);
}
}
我注意到一件事可能有助于理解问题:如果我将混乱的文本复制到word文件中,然后通过选择(仅保留文本)粘贴选项进行粘贴,则它会固定段落的顺序
这需要双向文本方向支持(bidi),并且默认情况下尚未在apache poi的XWPF
中实现。但是基础对象org.openxmlformats.schemas.wordprocessingml.x2006.main.CTPPr
支持这一点。因此,我们必须从XWPFParagraph
获取此基础对象,然后将Bidi
设置为开。
示例:
import java.io.File;
import java.io.FileOutputStream;
import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import org.apache.poi.xwpf.usermodel.*;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTP;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTPPr;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.STOnOff;
public class CreateWord {
public static void main(String[] args) throws Exception {
String content = Files.readString(new File("ArabicTextFile.txt").toPath(), StandardCharsets.UTF_16);
XWPFDocument document = new XWPFDocument();
XWPFParagraph paragraph = document.createParagraph();
// set bidirectional text support on
CTP ctp = paragraph.getCTP();
CTPPr ctppr = ctp.getPPr();
if (ctppr == null) ctppr = ctp.addNewPPr();
ctppr.addNewBidi().setVal(STOnOff.ON);
XWPFRun run=paragraph.createRun();
run.setBold(true);
run.setFontSize(22);
run.setText(content);
FileOutputStream out = new FileOutputStream("CreateWord.docx");
document.write(out);
out.close();
document.close();
}
}
我的ArabicTextFile.txt
包含文本
[هذاهوالنصباللغةالعربيةلاختبارالنصباللغةالعربية
采用UTF-16编码(Unicode)。
Word
中的结果: