Apache POI Word - Ekstraksi Teks

Bab ini menjelaskan cara mengekstrak data teks sederhana dari dokumen Word menggunakan Java. Jika Anda ingin mengekstrak metadata dari dokumen Word, gunakan Apache Tika.

Untuk file .docx, kami menggunakan kelas org.apache.poi.xwpf.extractor.XPFFWordExtractor yang mengekstrak dan mengembalikan data sederhana dari file Word. Dengan cara yang sama, kami memiliki metodologi berbeda untuk mengekstrak judul, catatan kaki, data tabel, dll. Dari file Word.

Kode berikut menunjukkan cara mengekstrak teks sederhana dari file Word -

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());
   }
}

Simpan kode di atas sebagai WordExtractor.java. Kompilasi dan jalankan dari command prompt sebagai berikut -

$javac WordExtractor.java
$java WordExtractor

Ini akan menghasilkan output berikut:

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