Java提取Doc,Docx中的文本信息

原创

已于 2023-08-22 09:19:48 修改 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#java #开发语言 #jvm #microsoft

于 2023-01-31 15:07:46 首次发布

本文介绍了一种使用Java从Doc和Docx文件中提取文本的方法。通过Apache POI库，可以有效处理这两种格式的文档，适用于文档信息提取的需求。

Java提取Doc,Docx中的文本信息

文章目录

Java提取Doc,Docx中的文本信息
- 1 代码效果
- 2 代码实现

1 代码效果

案例word，Doc,Docx2个版本都有
在这里插入图片描述
提取后效果docx

提取后效果doc

2 代码实现

import java.io.InputStream;
import java.nio.charset.Charset;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.ArrayList;
import java.util.List;
import org.apache.commons.lang3.StringUtils;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
/**
 * 将doc/docx 部分信息提取
 * 推荐pom jdk1.8+
 * 	<dependency>
	  <groupId>commons-io</groupId>
	  <artifactId>commons-io</artifactId>
	  <version>2.9.0</version>
	</dependency>
    <dependency>
        <group