word文档提取信息

一、说明

项目中遇到这样的一个需求问题：“一个docx文档，用户根据关键词能搜索定位到文档的哪一页”。docx文档主要有文本、表格、图片、附件这几类组合，为了达到高精度要求，表格、图片、附件等附带的内容也要能够搜索定位到具体位置，那么，对docx文档的每一页要收集上述几类的数据，以便后续功能扩展。
以上就是这个需求的核心诉求，针对上面的问题，首先我们要解决的是：

(1)、如何精准的对docx文档按照页进行精准提取出文本、图片、表格等位置/信息；
(2)、对图片中文字信息进行提取；

上述2个问题，我们逐步去分析。
第一个问题：“如何精准的对docx文档按照页进行精准提取出文本、图片、表格等位置/信息”。
针对这个问题，该博客文章解析提取docx文档 已经介绍了几种方法，但仍然存在问题：文本不能按页解析读取；图片在哪一页位置无法定位等等。现提供一种新的解决方案，能够较好的解决或兼容上面问题，以便满足实际搜索业务需要。

第二个