Apache POI Word - 文本提取
本章介绍如何使用 Java 从 Word 文档中提取简单文本数据。如果您想从 Word 文档中提取元数据,请使用 Apache Tika。
对于 .docx 文件,我们使用类 org.apache.poi.xwpf.extractor.XPFFWordExtractor,该类从 Word 文件中提取并返回简单数据。同样,我们有不同的方法从 Word 文件中提取标题、脚注、表格数据等。
以下代码显示如何从 Word 文件中提取简单文本 −
import java.io.FileInputStream; import org.apache.poi.xwpf.extractor.XWPFWordExtractor; import org.apache.poi.xwpf.usermodel.XWPFDocument; public class WordExtractor { public static void main(String[] args)throws Exception { XWPFDocument docx = new XWPFDocument(new FileInputStream("createparagraph.docx")); //使用 XWPFWordExtractor 类 XWPFWordExtractor we = new XWPFWordExtractor(docx); System.out.println(we.getText()); } }
将上述代码保存为 WordExtractor.java。 编译并从命令提示符执行它,如下所示 −
$javac WordExtractor.java $java WordExtractor
它将生成以下输出−
At tutorialspoint.com, we strive hard to provide quality tutorials for self-learning purpose in the domains of Academics, Information Technology, Management and Computer Programming Languages.