docx java 图片_java解析docx文档提取文字和图片

港控/mmm° 2022-11-02 15:24 201阅读 0赞

直接上代码

fr.opensagres.xdocreport

org.apache.poi.xwpf.converter.pdf

1.0.6

package docxAnalyze;

import java.io.\*;

import java.util.List;

import org.apache.poi.xwpf.extractor.XWPFWordExtractor;

import org.apache.poi.xwpf.usermodel.XWPFDocument;

import org.apache.poi.xwpf.usermodel.XWPFPictureData;

public class Word \{

public static String textPath = "src/main/resources/test.txt";

public static String docPath = "src/main/resources/test.docx";

public static String imagePath = "src/main/resources/test.docx";

public static void main(String args\[\]) \{

readDocxTextAndImage();

\}

public static String readDocxTextAndImage() \{

File file = new File(docPath);

try \{

// 用XWPFWordExtractor来获取文字

FileInputStream fis = new FileInputStream(file);

XWPFDocument document = new XWPFDocument(fis);

XWPFWordExtractor xwpfWordExtractor = new XWPFWordExtractor(document);

String text = xwpfWordExtractor.getText();

System.out.println(text);

//将获取到的文字存放到对应文件名中的txt文件中

PrintStream ps = new PrintStream(textPath);

ps.println(text);

// 用XWPFDocument的getAllPictures来获取所有的图片

List picList = document.getAllPictures();

for (XWPFPictureData pic : picList) \{

byte\[\] bytev = pic.getData();

// 大于1000bites的图片我们才弄下来，消除word中莫名的小图片的影响

if (bytev.length > 300) \{

FileOutputStream fos = new FileOutputStream(imagePath + pic.getFileName());

fos.write(bytev);

\}

\}

fis.close();

return text;

\} catch (IOException e) \{

e.printStackTrace();

\}

return null;

\}

\}

文档内容

![c28e3191529f?open\_source=weibo\_search][c28e3191529f_open_source_weibo_search]

docx内容

![c28e3191529f?open\_source=weibo\_search][c28e3191529f_open_source_weibo_search]

document

![c28e3191529f?open\_source=weibo\_search][c28e3191529f_open_source_weibo_search]

paragraphs

![c28e3191529f?open\_source=weibo\_search][c28e3191529f_open_source_weibo_search]

table

可以看到一个document对象中的bodyelements对象存储了整个docx文档的内容。其他对象是对document文档的各个对象做统计。

[c28e3191529f_open_source_weibo_search]: /images/20221024/df9616b2832a4d0f99878d029d6a590a.png

发表评论取消回复

表情：

评论列表（有 0 条评论，201人围观）

还没有评论，来说两句吧...

相关阅读

相关 Java 提取PDF文档中的图片

在之前的文章中写了如何[从PDF文档中读取文本内容][PDF]，这篇文章接着介绍如何从PDF文档中读取图片。使用组件： Free Spire.PDF for Java

蔚落/ 2024年02月19日 12:51/ 0 赞/ 18 阅读

相关 python提取docx文档的信息（文本+表格）

文章目录一、说明：二、提取数据安装模块： 1、提取文本内容： 2、提取Ex

快来打我*/ 2022年12月01日 05:20/ 0 赞/ 147 阅读

相关 docx java 图片_java解析docx文档提取文字和图片

直接上代码 fr.opensagres.xdocreport org.apache.poi.xwpf.converter.pdf 1.0.6 package docxA

港控/mmm°/ 2022年11月02日 15:24/ 0 赞/ 202 阅读

相关 python-docx刨析之提取图片

网上有很多教程是用 zipfile 来提取 docx 文件内的图片，这种方法很难准确的获取确定位置的图片。我分析了下源码，终于找到了方法。函数代码如下 impo

待我称王封你为后i/ 2022年09月04日 14:46/ 0 赞/ 278 阅读

相关 java导出doc和docx

导出doc，使用itext： pom.xml中加入：  <dependency> <groupId>com.

末蓝、/ 2022年08月09日 14:57/ 0 赞/ 166 阅读

相关合并DOCX文档

找了好久好久的方法，结果无意间发现了，感激上苍啊只能合并DOCX噢，不能合并DOC，强制修改文件名后缀也是不可以的哟，所以又花了好久找上一篇文章的方法。废话不多说，上代

向右看齐/ 2022年07月12日 22:40/ 0 赞/ 148 阅读

相关 JAVA通过模板生成DOCX文档

[第二篇文章，代码更精简，增加生成图片的思路][Link 1] 大致流程： ![Center][] 1.创建模板docx并取出document.xml

心已赠人/ 2022年07月12日 22:29/ 0 赞/ 272 阅读

相关使用Docx4j向docx文档中指定书签位置插入图片

import org.apache.commons.io.IOUtils; import org.docx4j.TraversalUtil; impor

旧城等待，/ 2022年06月14日 06:21/ 0 赞/ 152 阅读

相关 JAVA通过模板生成DOCX文档（2）

[第一篇链接][Link 1] 看第一篇文章会对原理更理解一些，但是比较繁琐，所以写了这一篇，怎么获取和修改xml在上一篇都有，不赘述了 import freema

叁歲伎倆/ 2022年06月14日 06:16/ 0 赞/ 223 阅读

相关 poi docx 写入图片

[2019独角兽企业重金招聘Python工程师标准>>> ][2019_Python_] ![hot3.png][] 效果 ![效果][152614_QS5c_249136

太过爱你忘了你带给我的痛/ 2022年01月14日 19:21/ 0 赞/ 181 阅读