Java使用Spire.Doc实现对Word文档内容提取

1.Spire.Doc地址

Java 从 Word 文档中提取文本和图片

2.实现步骤

1.maven依赖

首先在pom文件中引入下面的依赖

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.doc</artifactId>
        <version>12.4.1</version>
    </dependency>
</dependencies>

2.对于本地文件进行提取

import com.spire.doc.Document;
import java.io.FileWriter;
import java.io.IOException;

public class ExtractText {

    public static void main(String[] args) throws IOException {

        //创建一个Document类的对象
        Document document = new Document();

        //载入Word文档 
        document.loadFromFile("本地wordw文件地址"); 

        //以字符串形式从文档中获取文本
        String text=document.getText();

        //将字符串写入文本文件中
        System.out.println(text);
    }

 3.对于网络wrod资源进行提取

package com.vts;

import com.spire.doc.Document;

import java.io.File;
import java.io.IOException;
import java.io.InputStream;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;

public class WordTestPoi {
    public static void main(String[] args) throws IOException {
        // 创建对象
        Document document = new Document();
        // 创建网络资源对象
        URL url = new URL("网络资源地址");
        // 打开对于资源可操作
        URLConnection urlConnection = url.openConnection();
        // 获取输入流对象
        InputStream inputStream = urlConnection.getInputStream();
        // 加载文本
        document.loadText(inputStream);
        // 获取文本
        String text = document.getText();
        System.out.println(text);
    }
}