通过Java编程提取Word文档的文本

提取Word文档中的文本是一种常见的操作，便于单独获取Word文档中的内容以进行进一步的处理、分析等操作。我们可以直接复制并粘贴保存到指定文件中。但这一方法一般适用于文本内容较少时。除了费时费力地手动保存以外，我们也可以通过代码来一次性批量提取Word文档中的大量内容。在这里我将介绍如何通过 Java程序来实现这个功能。具体操作和代码请参考下文。

所需工具：

• Free Spire.Doc for Java

这是一个完全独立的java库，支持对Word文件进行各种操作，如创建，编辑，转换等。因为是免费版，所以使用时有一定的页面限制。

或者也可以下载使用商业版： Spire.Doc for Java 。

点击此链接 获取30天临时授权 。

导入jar包：

1. 从此链接下载并解压 Free Spire.Doc for Java 。
2. 然后在IDEA中创建一个新项目。
3. 依次点击“文件”（File），“项目结构”（Project Structure），“组件”（Modules），“依赖项”（Dependencies）。
4. 再点击右方绿色“+”下的第一个选项“jar文件或路径”（JARs or Directories）。
5. 找到解压后的Spire.Doc.jar ，将其导入到项目中。

具体步骤和代码：

• 创建一个 Document 对象来加载Word文档。
• 使用 getText() 方法获取文档中的文本。
• 调用 writeStringToTxt 方法将文本写入名为ExtractedText.txt的txt文件中。

import com.spire.doc.Document;

import java.io.FileWriter;
import java.io.IOException;

public class ExtractText {

    public static void main(String[] args) throws IOException {

        //加载Word文档
        Document document = new Document();
        document.loadFromFile("sample.docx");

        //获取文档中的文本保存为String
        String text=document.getText();

        //将String写入Txt文件
        writeStringToTxt(text,"ExtractedText.txt");
    }

    public static void writeStringToTxt(String content, String txtFileName) throws IOException {

        FileWriter fWriter= new FileWriter(txtFileName,true);
        try {
            fWriter.write(content);
        }catch(IOException ex){
            ex.printStackTrace();
        }finally{
            try{
                fWriter.flush();
                fWriter.close();
            } catch (IOException ex) {
                ex.printStackTrace();
            }
        }
    }
}

效果图：