從Java中的Word文檔中讀取和提取文本

作為構建文檔處理應用程序的Java應用程序開發人員，您可能有興趣提供Java應用程序中讀取Word文檔的能力，並以編程方式從這些文檔中提取文本。您可以利用DOCX4J API的功能讀取DOCX文件，並從Java應用程序中提取這些文件。 在本文中，我們將展示如何使用docx4j api來實現我們使用DOCX文件來提取文本的目標。

##如何從Java中的Word文檔中讀取和提取文本？ {.wp-block頭} 在開始使用DOCX4J API創建DOCX文件的代碼之前，您必須在開發環境中配置DOCX4J API。如果您尚未安裝和配置DOCX4J API，則可以查看我們的文章如何安裝DOCX4J API。

從Java中的Word文檔提取文本

在此階段，我們假設您已經設置了開發環境，並準備開始使用Docx4J API從Word文檔中提取文本。以下示例代碼可用於此目的。您可以將其直接複製到基於控制台的Java應用程序的主要方法並執行。

// Load document
WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new File("FileFormat.docx"));
// Load main document part
MainDocumentPart mainDocumentPart = wordMLPackage.getMainDocumentPart();
// Extract nodes
String textNodesXPath = "//w:t";
List<Object> textNodes= mainDocumentPart.getJAXBNodesViaXPath(textNodesXPath, true);
// Print text
for (Object obj : textNodes) {
  Text text = (Text) ((JAXBElement) obj).getValue();
  String textValue = text.getValue();
  System.out.println(textValue);
}

讓我們看一下該代碼的工作原理。 使用 wordprocesingmlpackage 加載Word文檔，並使用 MainDocumentPart docx4j api類進一步處理。加載文檔後，將從包含實際文檔的MainDocumentPart對象獲得文本節點列表。然後，通過遍歷它，將每個文本節點讀取為 jaxbelement 對象。

結論

使用DOCX4J API，可以輕鬆地使用Java應用程序中的Word文檔。 API可幫助您在Java應用程序中添加文檔處理功能，而無需進入基礎文件格式的內部詳細信息。繼續關注此博客，以獲取更多與DOCX4J API合作的示例。