Come estrarre testo normale da un file DOCX utilizzando il nuovo supporto OOXML in Apache POI 3.5?

Question

Il 28 settembre 2009 il progetto Apache POI ha rilasciato la versione 3.5 che supporta ufficialmente i formati OOXML introdotte in Office 2007, come DOCX e XLSX.

Si prega di fornire un esempio di codice per estrarre il contenuto di un file DOCX in formato testo, ignorando tutti gli stili o la formattazione.

Chiedo questo perché sono stato in grado di trovare alcun esempio Apache POI che coprono il nuovo supporto OOXML.

Answer 1

Questo ha funzionato per me. Assicurati di aggiungere i vasi necessari (aggiornare XMLBeans, ecc.)

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

Questo è più generico

POITextExtractor poitex = ExtractorFactory.createExtractor (in);

tornare poitex.getText ();