Apache POI Word - 文本提取

本章介绍如何使用 Java 从 Word 文档中提取简单的文本数据。如果你希望从 Word 文档中提取元数据，请使用 Apache Tika。

对于 .docx 文件，我们使用 org.apache.poi.xwpf.extractor.XPFFWordExtractor 类，用于从 Word 文件中提取并返回简单数据。类似地，我们有不同的方法用于从 Word 文件中提取标题、脚注、表格数据等。

以下代码展示如何从 Word 文件中提取简单的文本，−

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"));
      
      //using XWPFWordExtractor Class
      XWPFWordExtractor we = new XWPFWordExtractor(docx);
      System.out.println(we.getText());
   }
}

将上述代码另存为 WordExtractor.java。从命令提示符中对其进行编译并执行，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.