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从Word文件中提取和返回简单数据。 同样，我们有不同的方法从Word文件中提取标题，脚注，表数据等。

以下代码显示如何从Word文件提取简单文本:

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

将上述代码保存为 WordExtractor.java 。从命令提示符处编译并执行，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.