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.