如何使用Apache POI 3.5中的新OOXML支持從DOCX文件中提取純文本？

Question

2009年9月28日，Apache POI project發佈了3.5版本，正式支持Office 2007中引入的OOXML格式，如DOCX和XLSX。

請提供代碼示例，以純文本形式提取DOCX文件的內容，忽略任何樣式或格式。

我在問這是因爲我一直無法找到涵蓋新OOXML支持的任何Apache POI示例。

Answer 1

這對我有效。請確保您添加需要的jar（升級的xmlbeans等）

public String extractText(InputStream in) throws Exception { 
    XWPFDocument doc = new XWPFDocument(in); 
    XWPFWordExtractor ex = new XWPFWordExtractor(doc); 
    String text = ex.getText(); 
    return text; 
} 

Answer 2

這是比較通用的

POITextExtractor poitex = ExtractorFactory.createExtractor（中）;

return poitex.getText（）;