📅 最后修改于: 2020-11-18 08:57:07 🧑 作者: Mango
本章介绍如何使用Java从Word文档中提取简单文本数据。如果要从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类从Word文件中提取并返回简单数据。同样，我们有不同的方法来从Word文件中提取标题，脚注，表格数据等。
以下代码显示了如何从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("create_paragraph.docx"));
//using XWPFWordExtractor Class
XWPFWordExtractor we = new XWPFWordExtractor(docx);
System.out.println(we.getText());
}
}
将上面的代码另存为WordExtractor.java。从命令提示符下编译并执行它，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.