JAVA获取word文档内容

JAVA获取word文档内容

记录：最近在做一些关于OCR识别方面的项目，在这里摘出识别word文档这一部分稍做记录一下，以免以后自己忘记了,也能给有需要的朋友一点帮助。

新建一个test.docx的文档，里面随便输入点内容：

输出：

具体实现：

package test;
import org.apache.poi.POIXMLDocument;
import org.apache.poi.POIXMLTextExtractor;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.openxml4j.exceptions.OpenXML4JException;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.xmlbeans.XmlException;

import java.io.*;
public class testWordToText {

	public static void main(String[] args) {
        // 要读取的文件路径
        String path = "C:/Users/Administrator/Desktop/test.docx";
        wordToText(path);
    }
	
	public static void wordToText(String path) {
		// 需要判断文档是.doc还是.docx
		if (path.endsWith(".doc")) { 
			try {
	            InputStream is = new FileInputStream(new File(path));
	            WordExtractor we = new WordExtractor(is);
	            // result就是识别结果
	            String result = StringUtils.replaceSpecialStr(we.getText());
	            we.close();
	            // 用err可以在控制台中看起来比较方便（个人习惯）
	            System.err.println(result); 
	        } catch (IOException ioException) {
	            ioException.printStackTrace();
	        }
		} else if (path.endsWith(".docx")) {
			try {
	            OPCPackage opcPackage = POIXMLDocument.openPackage(path);
	            POIXMLTextExtractor extractor = new XWPFWordExtractor(opcPackage);
	            // result就是识别结果
	            String result = StringUtils.replaceSpecialStr(extractor.getText());
	            extractor.close();
	            System.err.println(result);
	        } catch (IOException ioException) {
	            ioException.printStackTrace();
	        } catch (XmlException e) {
	            e.printStackTrace();
	        } catch (OpenXML4JException e) {
	            e.printStackTrace();
	        }
		}  else {
	       System.err.println("请选择一个正确的word文档路径");
	    }
	}
}