如何使用 Apache POI 3.5 中新的 OOXML 支持从 DOCX 文件中提取纯文本？答案

【问题标题】：How to extract plain text from a DOCX file using the new OOXML support in Apache POI 3.5?如何使用 Apache POI 3.5 中新的 OOXML 支持从 DOCX 文件中提取纯文本？
【发布时间】：2009-09-29 14:00:32
【问题描述】：

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

请提供一个代码示例，用于以纯文本格式提取 DOCX 文件的内容，忽略任何样式或格式。

我之所以问这个问题是因为我找不到任何涵盖新 OOXML 支持的 Apache POI 示例。

【问题讨论】：

标签： docx apache-poi openxml xlsx

【解决方案1】：

这对我有用。确保添加所需的 jars（升级 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;
}

【讨论】：

【解决方案2】：

这个比较通用

POITextExtractor poitex = ExtractorFactory.createExtractor(in);

返回 poitex.getText();

【讨论】：

我同意。感谢您提供涵盖更通用文本提取的好答案。我希望我能同时接受。