Apache POI Word - Estrazione di testo

Questo capitolo spiega come estrarre dati di testo semplici da un documento Word utilizzando Java. Nel caso in cui desideri estrarre i metadati da un documento di Word, utilizza Apache Tika.

Per i file .docx, utilizziamo la classe org.apache.poi.xwpf.extractor.XPFFWordExtractor che estrae e restituisce dati semplici da un file Word. Allo stesso modo, abbiamo diverse metodologie per estrarre intestazioni, note a piè di pagina, dati di tabelle, ecc. Da un file Word.

Il codice seguente mostra come estrarre testo semplice da un file Word:

import java.io.FileInputStream;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;

public class WordExtractor {

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

      XWPFDocument docx = new XWPFDocument(new FileInputStream("create_paragraph.docx"));
      
      //using XWPFWordExtractor Class
      XWPFWordExtractor we = new XWPFWordExtractor(docx);
      System.out.println(we.getText());
   }
}

Salva il codice sopra come WordExtractor.java. Compilalo ed eseguilo dal prompt dei comandi come segue:

$javac WordExtractor.java
$java WordExtractor

Genererà il seguente output:

At tutorialspoint.com, we strive hard to provide quality tutorials for self-learning
purpose in the domains of Academics, Information Technology, Management and Computer
Programming Languages.