如何使用Apache POI 3.5中的新OOXML支持从DOCX文件中提取纯文本？

Question

2009年9月28日,Apache POI项目发布了3.5版本,正式支持Office 2007中引入的OOXML格式,如DOCX和XLSX.

请提供一个代码示例,用于以纯文本格式提取DOCX文件的内容,忽略任何样式或格式.

我问这个是因为我无法找到任何覆盖新OOXML支持的Apache POI示例.

Answer 1

这对我有用.确保添加所需的罐子(升级xmlbeans等)

public String extractText(InputStream in) throws Exception {
    XWPFDocument doc = new XWPFDocument(in);
    XWPFWordExtractor ex = new XWPFWordExtractor(doc);
    String text = ex.getText();
    return text;
}

Answer 2

这更通用

POITextExtractor poitex = ExtractorFactory.createExtractor(in);

return poitex.getText();