如何使用 Apache POI 提取 docx（Word 2007 以上）答案

【问题标题】：How to Extract docx (Word 2007 above) using Apache POI如何使用 Apache POI 提取 docx（Word 2007 以上）
【发布时间】：2011-04-06 00:14:43
【问题描述】：

嘿，我正在使用 Apache POI 3.6 我已经创建了一些代码..

XWPFDocument doc = new XWPFDocument(new FileInputStream(file));
         wordxExtractor = new XWPFWordExtractor(doc);
         text = wordxExtractor.getText();

         System.out.println("adding docx " + file);
         d.add(new Field("content", text, Field.Store.NO, Field.Index.ANALYZED));

不幸的是，它产生了错误..

Exception in thread "main" java.lang.NoClassDefFoundError: org/dom4j/DocumentException
at org.apache.poi.openxml4j.opc.OPCPackage.init(OPCPackage.java:149)
at org.apache.poi.openxml4j.opc.OPCPackage.<init>(OPCPackage.java:136)
at org.apache.poi.openxml4j.opc.Package.<init>(Package.java:54)
at org.apache.poi.openxml4j.opc.ZipPackage.<init>(ZipPackage.java:98)
at org.apache.poi.openxml4j.opc.OPCPackage.open(OPCPackage.java:199)
at org.apache.poi.openxml4j.opc.OPCPackage.open(OPCPackage.java:178)
at org.apache.poi.util.PackageHelper.open(PackageHelper.java:53)
at org.apache.poi.xwpf.usermodel.XWPFDocument.<init>(XWPFDocument.java:98)
at org.apache.lucene.demo.Indexer.indexDocs(Indexer.java:153)
at org.apache.lucene.demo.Indexer.main(Indexer.java:88)

好像用了构造函数

XWPFWordExtractor(OPCPackage 容器)

但不是这个 ->

XWPFWordExtractor(XWPFDocument 文档)

任何想知道为什么？或者知道如何提取 .docx 然后将其转换为字符串？

【问题讨论】：

标签： text ms-word apache-poi extract docx

【解决方案1】：

您可以尝试使用 docx4j；见http://dev.plutext.org/svn/docx4j/trunk/docx4j/src/main/java/org/docx4j/TextUtils.java

【讨论】：

【解决方案2】：

看起来您的类路径中没有所有依赖项。

如果您查看http://poi.apache.org/overview.html，您会发现 dom4j 是处理 OOXML 文件时必需的库。从你得到的异常来看，好像没有……如果你查看POI二进制下载，应该在ooxml-libs子目录下找到。

【讨论】：

【解决方案3】：

您需要将 dom4j 库添加到您的 claspath 或项目库中

【讨论】：