Java 提取Word中的文本和图片

本文将介绍通过java来提取或读取word文档中文本和图片的方法。这里提取文本和图片包括同时提取文档正文当中以及页眉、页脚中的的文本和图片。

使用工具：free spire.doc for java （免费版）

jar文件导入方法（参考）：

方法1：下载jar文件包。下载后解压文件，并将lib文件夹下的spire.doc.jar文件导入到java程序。导入效果参考如下：

方法2：可通过maven导入。参考。

测试文档如下：

 

java代码示例（供参考）

【示例1】提取word中的文本

import com.spire.doc.*;
import java.io.filewriter;
import java.io.ioexception;

public class extracttext {
    public static void main(string[] args) throws ioexception{
        //加载测试文档
        document doc = new document();
        doc.loadfromfile("test.docx");

        //获取文本保存为string
        string text = doc.gettext();

        //将string写入txt
        writestringtotxt(text,"提取文本.txt");
    }
    public static void writestringtotxt(string content, string txtfilename) throws ioexception {

        filewriter fwriter= new filewriter(txtfilename,true);
        try {
            fwriter.write(content);
        }catch(ioexception ex){
            ex.printstacktrace();
        }finally{
            try{
                fwriter.flush();
                fwriter.close();
            } catch (ioexception ex) {
                ex.printstacktrace();
            }
        }
    }
}

文本提取结果：

 

 

【示例2】提取word中的图片

import com.spire.doc.document;
import com.spire.doc.documents.documentobjecttype;
import com.spire.doc.fields.docpicture;
import com.spire.doc.interfaces.icompositeobject;
import com.spire.doc.interfaces.idocumentobject;
import javax.imageio.imageio;
import java.awt.image.renderedimage;
import java.io.file;
import java.io.ioexception;
import java.util.arraylist;
import java.util.linkedlist;
import java.util.list;
import java.util.queue;

public class extractimg {
    public static void main(string[] args) throws ioexception {
        //加载word文档
        document document = new document();
        document.loadfromfile("test.docx");

        //创建queue对象
        queue nodes = new linkedlist();
        nodes.add(document);

        //创建list对象
        list images = new arraylist();

        //遍历文档中的子对象
        while (nodes.size() > 0) {
            icompositeobject node = (icompositeobject) nodes.poll();
            for (int i = 0; i < node.getchildobjects().getcount(); i++) {
                idocumentobject child = node.getchildobjects().get(i);
                if (child instanceof icompositeobject) {
                    nodes.add((icompositeobject) child);

                    //获取图片并添加到list
                    if (child.getdocumentobjecttype() == documentobjecttype.picture) {
                        docpicture picture = (docpicture) child;
                        images.add(picture.getimage());
                    }
                }
            }
        }

        //将图片保存为png格式文件
        for (int i = 0; i < images.size(); i++) {
            file file = new file(string.format("图片-%d.png", i));
            imageio.write((renderedimage) images.get(i), "png", file);
        }

    }
}

图片提取结果：

 

 

 

（本文完）

 

转载请注明出处！