Apache POI 镜像阿拉伯语单词

Question

我正在 java 中开发阿拉伯语 OCR 应用程序，它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，但是当我将它保存在 Word 文件中时，单词的顺序有点乱，看起来像镜像

例如：

但是在将其保存为 Word 之后：

这里是保存 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：如果我在 word 文件中复制混乱的文本，然后通过选择（仅保留文本）粘贴选项来粘贴它，它会修复段落的顺序

Answer 1

这需要双向文本方向支持 (bidi)，默认情况下尚未在 Apache Poi 的 XWPF 中实现。但是底层对象 org.openxmlformats.schemas.wordprocessingml.x2006.main.CTPPr 支持这一点。所以我们必须从XWPFParagraph中获取这个底层对象然后设置Bidi on.

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

这是阿拉伯语的文字，但阿拉伯语的文字

采用 UTF-16 编码 (Unicode)。

结果Word：

Apache POI 镜像阿拉伯语单词

Apache POI Mirroring Words in Arabic Language

java

arabic

apache-poi

arabic-support