【发布时间】：2010-02-15 03:40:06
【问题描述】：
我正在寻找用 Java 读取 Word 文档以处理其文本的内容。我所需要的只是文本，没有什么花哨的。我知道 Apache POI，但是它现在不包括对 DOCX 的支持，还有什么吗？
【问题讨论】：
【发布时间】：2010-02-15 03:40:06
【问题描述】：
如果您不需要格式化信息、图像和所有其他花哨的东西，那么这项工作就容易多了。只需大约 5 到 10 行代码即可。
- 将 DOCX 视为 zip 文件。它由一堆文件组成，其中包括“document.xml”。使用 ZipInputStream 并单独提取该文件。 （您可以使用您最喜欢的 zip 实用程序并打开 docx 并亲自查看！）
- 使用 SAX 解析器并读取节点 body/p/r/t 之间的内容 - 瞧，你得到了文本！
这仅适用于您需要仅文本。
【讨论】：
-
嗨约瑟夫，你能在这里写下短代码吗？这对我有很大帮助...
通过谷歌搜索，我找到了OpenXML4J。这可能会解决您的问题。在我确信社区中的某个人会有更好的洞察力之前，我没有使用过它。
注意：这是一个重复的问题。这有解决方案和一些讨论。 Link to the question.
【讨论】：
-
保留这两个问题是否合理，因为一个是在询问 Word 文档格式，另一个是 Excel？它们可能是一个更大的文档格式规范的两个子集，我真的不知道。
-
我相信它是重复的，因为每个问题都在询问 Office 2007 java api。另一个问题，恕我直言，确实回答了邮件。 :)
试试apache poi - 它可以处理doc、docx、xls、xlsx、ppt、pptx。
另一个生产级解决方案是无头模式下的 OpenOffice，它甚至可以在服务器端场景中使用。
【讨论】：