文本提取（ Text Extraction）

本章介绍如何使用Java从Word文档中提取简单文本数据。 如果要从Word文档中提取元数据，请使用Apache Tika。

对于.docx文件，我们使用类org.apache.poi.xwpf.extractor.XPFFWordExtractor，它从Word文件中提取并返回简单数据。 同样，我们有不同的方法从Word文件中提取标题，脚注，表格数据等。

以下代码显示如何从Word文件中提取简单文本 -

import java.io.FileInputStream;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
public class WordExtractor {
   public static void main(String[] args)throws Exception {
      XWPFDocument docx = new XWPFDocument(new FileInputStream("create_paragraph.docx"));
      //using XWPFWordExtractor Class
      XWPFWordExtractor we = new XWPFWordExtractor(docx);
      System.out.println(we.getText());
   }
}

将上面的代码保存为WordExtractor.java. 从命令提示符编译并执行它，如下所示 -

$javac WordExtractor.java
$java WordExtractor

它将生成以下输出:

At iowiki.com, we strive hard to provide quality tutorials for self-learning
purpose in the domains of Academics, Information Technology, Management and Computer
Programming Languages.