了解与解析word文档（1）——基于java poi

基于所作项目对word文档有所了解，浅浅记录一下自己的一些发现与见解，如有不对，欢迎指正。

word文档中有价值的数据其实不外乎是文字与图片。

如果要简单实现word中文本信息的提取，可以依赖于spire.doc。

导入依赖

<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>11.8.1</version>
     </dependency>
</dependencies>

 

String tmp_doc ="xxxxx.docx";
Document doc = new Document();
doc.loadFromFile(tmp_doc, FileFormat.Doc);
doc.saveToFile("test.txt",FileFormat.Txt);

spire.doc还有python,.NET等开发语言的版本，足以满足常规对word文档处理的需求。