Apache POI Word - Trích xuất văn bản

Chương này giải thích cách trích xuất dữ liệu văn bản đơn giản từ tài liệu Word bằng Java. Trong trường hợp bạn muốn trích xuất siêu dữ liệu từ tài liệu Word, hãy sử dụng Apache Tika.

Đối với tệp .docx, chúng tôi sử dụng lớp org.apache.poi.xwpf.extractor.XPFFWordExtractor để trích xuất và trả về dữ liệu đơn giản từ tệp Word. Theo cách tương tự, chúng ta có các phương pháp khác nhau để trích xuất các tiêu đề, chú thích cuối trang, dữ liệu bảng, v.v. từ tệp Word.

Đoạn mã sau đây cho thấy cách trích xuất văn bản đơn giản từ tệp 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());
   }
}

Lưu mã trên dưới dạng WordExtractor.java. Biên dịch và thực thi nó từ dấu nhắc lệnh như sau:

$javac WordExtractor.java
$java WordExtractor

Nó sẽ tạo ra kết quả sau:

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.