提取Word里面的内容

Word里面的内容比较简单：

除了支持对Excel文件的读取外，POI还提供对Word的DOC格式文件的读取。但在它的发
行版本中没有发布对Word支持的模块，需要另外下载一个POI的扩展的Jar包。用户可以
到http://www.ibiblio.org/maven2/org/textmining/tm-extractors/0.4/下载，本书采用的是
tm-extractors-0.4_zip。
下载后，把该包加入工程的Build Path中，然后在ch7.poi包下新建一个类WordReader，该
类提供一个静态方法readDoc，读取一个DOC文件并返回文本。函数内容很简单，就是调
用WordExtractor的API来提取DOC的内容到字符串，该函数的代码如下。

public   static  String readDoc(String doc)  throws  Exception { 
  //  创建输入流读取DOC文件 
 FileInputStream in  =   new  FileInputStream( new  File(doc)); 
 WordExtractor extractor  =   null ; 
 String text  =   null ; 
  //  创建WordExtractor 
 extractor  =   new  WordExtractor(); 
  //  对DOC文件进行提取 
 text  =  extractor.extractText(in); 
  return  text; 
} 

创建main函数

 

public   static   void  main(String[] args) { 
   try { 
     String text  =  WordReader.readDoc( " c:/test.doc " ); 
     System.out.println(text); 
  } catch (Exception e){ 
   e.printStackTrace(); 
  } 
 } 

总结：对Word的提取，主要是利用WordExtractor的对象进行对Doc文档的字符输入流进行的提取，

注意：本程序也要poi的包！！！

最后忘了说：有时这些也是必须的哦

 

import  org.apache.poi.hssf.usermodel.HSSFWorkbook;
import  org.apache.poi.hssf.usermodel.HSSFSheet;
import  org.apache.poi.hssf.usermodel.HSSFRow;
import  org.apache.poi.hssf.usermodel.HSSFCell;