在处理 Word 文档时统计单词数量是一个常见且迫切的需求。无论是计算稿费、控制文章篇幅，还是分析文本信息量。开发者经常会遇到以下痛点：

• 手动打开文档逐页统计耗时且易出错——对大批量文档或长篇稿件几乎不可能。
• 传统的 Word API跨网站支持差——在 Linux 或容器环境中难以使用。
• 统计结果不准确——特殊字符、表格、页眉页脚还有中英文混排都容易被遗漏或误算。
• 缺乏可复用的工具类——每次项目都要重新写遍历逻辑，导致代码冗余。

一、环境准备

在开始编码之前，需要在 Java 项目中引入 Spire.Doc for Java 库。

Maven 项目

com.e-iceblue
e-iceblue
https://repo.e-iceblue.com/nexus/content/groups/public/




e-iceblue
spire.doc
5.8.0

手动下载 JAR 包，并将其加入项目的 classpath 中即可。

二、单词统计的主要思路

Word 文档内部是层次化结构：Document → Section → Paragraph → TextRange。其实，要统计单词数，需要遍历所有文本节点，接下来依据分隔符进行分词计数。

关键痛点：

• 如何兼顾段落、表格、页眉页脚等多种位置的文字？
• 英文单词与中文字符的边界判定不同，需要分别处理。不过，

三、全局快速统计

如果只关心整个文档的总单词数。可以直接使用 Document.getText 获取全部可见文字，再进行正则分词。

import com.spire.doc.Document;public class WordCountExample {
public static void main {
// 加载 Word 文档
Document doc = new Document;doc.loadFromFile;// 获取文档全部可见文字
String text = doc.getText;// 统计英文单词数量
int wordCount = countEnglishWords;其实，System.out.println;doc.close，}
/**
* 使用正则把英文单词提取出来计数
*/
private static int countEnglishWords {
if .isEmpty) {
return 0;}
// 匹配连续字母序列，忽略数字和标点
String words = text.trim.split;int count = 0;for {
if ) {
count++;}
}
return count;}
}

四、逐段落统计

当需要了解每个段落的字数或对章节进行评估时可遍历每个段落并分别计数。这样既能避免一次性加载巨大的全文字符串，又能精确定位“高密度”区域。

import com.spire.doc.Document;import com.spire.doc.Section;import com.spire.doc.documents.Paragraph;public class ParagraphWordCountExample {
public static void main {
Document doc = new Document;doc.loadFromFile;int totalWordCount = 0;int paragraphIndex = 1;// 遍历文档中的所有节
for ) {
Section section = secObj;// 遍历节中的所有段落
for ) {
Paragraph paragraph = paraObj;怎么说呢，String text = paragraph.getText;int wordCount = countEnglishWords;totalWordCount += wordCount;System.out.println;按理说，paragraphIndex++;}
}
System.out.println;doc.close，}
private static int countEnglishWords {
if .isEmpty) {
return 0;}
String words = text.trim.split;int cnt = 0，for {
if ) cnt++;}
return cnt;}
}

五、包含表格文字的完整统计

Pain point：仅遍历段落会忽略表格内文字，导致统计结果偏低。下面示例演示如何同时遍历段落和表格，实现“全局无死角”统计。

import com.spire.doc.Document;import com.spire.doc.Table;import com.spire.doc.documents.Paragraph;public class FullWordCountExample {
public static void main {
Document doc = new Document;doc.loadFromFile;int totalWordCount = 0;// 1️⃣ 统计普通段落
for ) {
com.spire.doc.Section section = secObj;for ) {
Paragraph p = paraObj;totalWordCount += countEnglishWords);}
}
// 2️⃣ 统计表格内部文字
for ) {
Table table = tblObj;for ) {
com.spire.doc.TableRow row = rowObj;for ) {
com.spire.doc.TableCell cell = cellObj;for ) {
Paragraph p = paraObj_;totalWordCount += countEnglishWords);}
}
}
}
System.out.println;doc.close，}
private static int countEnglishWords {
if .isEmpty) return 0;不过，String words = text.trim.split;int cnt=0，for{ if) cnt++;老实说，}
return cnt;}
}

六、按节独立统计

If your document is split into multiple logical sections—such as a book with chapters— you may need word count per section.

import com.spire.doc.Document;import com.spire.doc.Section;public class SectionWordCountExample {
public static void main throws Exception{
Document doc = new Document;doc.loadFromFile;// 示例：获取第1章/第1节的文字并计数
Section firstSection = doc.getSections.get;// 索引从0开始
String sectionText = firstSection.getText;int wordCnt = countEnglishWords;System.out.println;// 如需遍历全部节，可使用循环：
/*
for.size;i++){
Section sec=doc.getSections.get;System.out.println+"节："+countEnglishWords));}
*/
doc.close;}
private static int countEnglishWords{
if.isEmpty)return 0;String ws=txt.trim.split;
int c=0，for{if)c++;其实，}
return c;}
}

七、中英文混排文档的双重计数

If document contains both English and Chinese,you often need:

• The number of English words.
• The number of Chinese characters.
• A combined “effective” length metric.

import com.spire.doc.Document;public class MixedLanguageCountExample{
public static void main{
Document doc=new Document;doc.loadFromFile;String allText=doc.getText;int engWords=countEnglishWords;int chiChars=countChineseCharacters;不过，System.out.println;System.out.println;// 简易“字数等价”计算：英文字母视作一个字符；中文视作一个字符
System.out.println);doc.close，}
private static int countEnglishWords{
if.isEmpty)return 0;String ws=txt.split;int c=0，for{if)c++;}return c，}
private static int countChineseCharacters{
ifreturn 0;老实说，int cnt=0;for){
if{ // 基本汉字块
cnt++;}
// 可自行
到
说到汉字块，\u3400-\u4DBF。\u20000-\u2A6DF 等
}
return cnt;}
}

八、实战注意事项与性能调整技巧

• 特殊控制字符： .getText 会返回分页符 )、段落标记 ) 等。这些字符在正则分割时会被当作分隔符，不会误计入单词。老实说，但如果你自行拼接字符串。请务必先调用 .trim 去除首尾空白。怎么说呢，
• 连字符与缩写： "state-of--art" 和 "don't" 在当前简单规则下会被拆成多个子串。如果业务对这些情况有严格要求，可采用更高级的 NLP 库来做更精准的 tokenization。
• 数字与符号： +] 已把数字排除。如果你希望把纯数字也算作“一个词”，只需把正则改为 +.
• 内存使用： 对于上千页的大型文档。一次性读取全部文本会产生几 MB~十几 MB 的字符串对象。推荐使用"逐段落/逐元素"方式，以降低峰值内存消耗。
• 批量处理建议： 将上述逻辑封装为静态工具类。例如 WordStatUtil.count,再配合线程池实现并发处理，可明显提高批量任务吞吐率。
• Spark / Hadoop 场景： if you need to process millions of docs in a distributed environment,consider using pure‑Java version of Spire.Doc toger with a lightweight wrapper that streams each file from HDFS without loading whole file into memory.

九、完整工具类示例

The following utility consolidates all previously discussed scenarios into a single reusable API.

package util;import com.spire.doc.*;import com.spire.doc.documents.*;public class WordStatUtil {
/**
* 返回 {@link StatResult} 包含：
* - totalEnglishWords 整篇文档英文单词总数
* - totalChineseChars 中文字符总数
* - perParagraphCounts 每个段落的英文单词数量列表
*/
public static StatResult analyze throws Exception{
Document doc=new Document;doc.loadFromFile;StatResult result=new StatResult;不过，// 全局计数变量
int globalEng=0。globalChi=0，// ---------- 遍历节 ----------
for){
Section sec=secObj;// ---- 段落 ----
for){
Paragraph p=paraObj;String txt=p.getText;int eng=countEnglishWords;result.perParagraphCounts.add;globalEng+=eng;globalChi+=countChineseCharacters;}
// ---- 表格 ----
for){
Table tbl=tblObj;for){
TableRow row=rowObj;for){
TableCell cell=cellObj;for){
Paragraph p=paraInCell_;String txt=p.getText;globalEng+=countEnglishWords;globalChi+=countChineseCharacters;result.perParagraphCounts.add);}
}
}
}
}
// 若还有独立于节的表格，也可以直接遍历doc.getTables…result.totalEnglishWords=globalEng;result.totalChineseChars=globalChi;doc.close，return result;}
/** 简易英文字母分割 */
private static int countEnglishWords{
if.isEmpty)return 0;String arr=txt.trim.split;int c=0，for{if)c++;}
return c，}
/** 中文字符计数 */
private static int countChineseCharacters{
ifreturn 0;int c=0，for){
if{c++;}
//
汉字区块可条件
}
return c;}
/** 返回值包装类 */
public static class StatResult{
public int totalEnglishWords;public int totalChineseChars;public java.util.List perParagraphCounts=new java.util.ArrayList<>;}
}

将此类加入项目后只需要一行代码即可得到完整统计结果：

StatResult r = WordStatUtil.analyze;System.out.println;System.out.println;System.out.println;

十、 – 把“手动敲键盘”转变为“一键自动” ✅

看完这篇提供的代码示例，你可以比较容易做到：

• A 自动化、一键获取 Word 文档整体或局部单词数量；
• B 跨网站运行，无需依赖 Windows COM；
• C 完整覆盖正文、表格、页眉/页脚还有多章节结构；说起来，
.
• D 对中英混排提供双重计数方案；
• E 可直接封装成工具库，用于批量处理或后台服务。
​
TIPS:  if your project has strict licensing requirements。Spire.Doc also offers a free trial version . For commercial deployment you can purchase license or switch to Apache POI combined with an OCR‑based tokenizer – but be aware that POI 本身不提供直接读取纯文本功能，需要自行解析 Run/TextRange。​ 祝你玩转 Java 与 Word，实现「精准稿酬」和「高效审稿」双赢！🚀

​ ​ ​

​ ​