|
目录结构
前言文档准备引入Maven依赖代码块提取结果验证孤勇者提取结果青鸟提取结果对比
前言
应公司需求，需实现以下功能
word文本内容的替换；word文本内容的提取；word文档中图片的提取存放
此文章将使用Apache POI实现Word文档中文本内容及图片的提取；
Apache POI 是基于 Office Open XML 标准（OOXML）和 Microsoft 的 OLE 2 复合文档格式（OLE2）处理各种文件格式的开源项目。 简而言之，您可以使用 Java 读写 MS Excel 文件，可以使用 Java 读写 MS Word 和 MS PowerPoint 文件。
HSSF － 提供读写 Microsoft Excel XLS 格式 (Microsoft Excel 97 (-2003)) 档案的功能。XSSF － 提供读写 Microsoft Excel OOXML XLSX 格式 (Microsoft Excel XML (2007+)) 档案的功能。SXSSF － 提供低内存占用量读写 Microsoft Excel OOXML XLSX 格式档案的功能。HWPF － 提供读写 Microsoft Word DOC97 格式 (Microsoft Word 97 (-2003)) 档案的功能。XWPF － 提供读写 Microsoft Word DOC2003 格式 (WordprocessingML (2007+)) 档案的功能。HSLF/XSLF － 提供读写 Microsoft PowerPoint 格式档案的功能。HDGF/XDGF － 提供读 Microsoft Visio 格式档案的功能。HPBF － 提供读 Microsoft Publisher 格式档案的功能。HSMF － 提供读 Microsoft Outlook 格式档案的功能。
文档准备
小编准备了以下两个文档：《孤勇者.doc》《青鸟.docx》，分别代表不同版本的文档，里边分别记录了各自的歌词及宣传画，以便提取测试，如下图 
引入Maven依赖
org.apache.poi
poi
4.1.2
org.apache.poi
poi-ooxml
4.1.2
org.apache.poi
poi-scratchpad
4.1.2
代码块
package com.bjzaxk.utils;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.hwpf.model.PicturesTable;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFPictureData;
import java.io.*;
import java.util.List;
public class Demo {
public static void main(String[] args) {
String filePath = "C:\\Users\\Administrator\\Desktop\\java_poi\\demo_file\\孤勇者.doc";
String formart = "DOC";
// String filePath = "C:\\Users\\Administrator\\Desktop\\java_poi\\demo_file\\青鸟.docx";
// String formart = "DOCX";
// 文本提取后存放路径及文件名
String extractFilePath = "C:\\Users\\Administrator\\Desktop\\java_poi\\demo_file\\孤勇者.txt";
// String extractFilePath = "C:\\Users\\Administrator\\Desktop\\java_poi\\demo_file\\青鸟.docx";
// 图片提取后存放路径
String imageFilePath = "C:\\Users\\Administrator\\Desktop\\java_poi\\demo_file\\";
// 提取word中的文字
wordTextExtract(filePath, formart, extractFilePath);
// 提取word中的图片
imageExtract(filePath, formart, imageFilePath);
}
/**
* @description: 提取word中的文字
* @author: Mr.Jkx
* @time: 2023/1/10 14:17
*/
public static void wordTextExtract(String filePath, String formart, String extractFilePath) {
try {// 创建存放提取数据的文件
FileWriter fw = new FileWriter(extractFilePath);
BufferedWriter bw = new BufferedWriter(fw);
if ("DOCX".equals(formart)) {
// 读取docx文件
InputStream in = new FileInputStream(filePath);
XWPFDocument document = new XWPFDocument(in);
XWPFWordExtractor re = new XWPFWordExtractor(document);
re.close();
// 将内容写入新文件中
bw.write(re.getText());
bw.close();
} else if ("DOC".equals(formart)) {
InputStream in = new FileInputStream(filePath);
WordExtractor wordExtractor = new WordExtractor(in);
// 将内容写入新文件中
bw.write(wordExtractor.getText());
bw.close();
}
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* @description: 提取word中的图片
* @author: Mr.Jkx
* @time: 2023/1/10 14:26
*/
public static void imageExtract(String filePath, String formart, String imageFilePath) {
FileInputStream fileInputStream = null;
try {
fileInputStream = new FileInputStream(new File(filePath));
if ("DOCX".equals(formart)) {
XWPFDocument document = new XWPFDocument(fileInputStream);
List picList = document.getAllPictures();
for (XWPFPictureData pic : picList) {
byte[] bytev = pic.getData();
FileOutputStream fos = new FileOutputStream(imageFilePath + pic.getFileName());
fos.write(bytev);
}
fileInputStream.close();
} else if ("DOC".equals(formart)) {
HWPFDocument doc = new HWPFDocument(fileInputStream);
int length = doc.characterLength();
PicturesTable pTable = doc.getPicturesTable();
for (int i = 0; i |