java - 如何使用Apache HWPF从DOC文件中提取文本和图像

我下载了Apache HWPF。我想使用它来读取doc文件并将其文本写入纯文本文件。我不太了解HWPF。

我非常简单的程序在这里:

我现在有3个问题:

一些软件包有错误(它们找不到apache hdf)。我该如何解决？

如何使用HWDF的方法查找并提取图像？

我的程序有些不完整且不正确。所以请帮我完成它。

我必须在2天内完成该程序。

再次重复，请帮助我完成此操作。

非常感谢你们的帮助!!!

这是我的基本代码:

public class test {
  public void m1 (){
    String filesname = "Hello.doc";
    POIFSFileSystem fs = null;
    fs = new POIFSFileSystem(new FileInputStream(filesname );
    HWPFDocument doc = new HWPFDocument(fs);
    WordExtractor we = new WordExtractor(doc);
    String str = we.getText() ;
    String[] paragraphs = we.getParagraphText();
    Picture pic = new Picture(. . .) ;
    pic.writeImageContent( . . . ) ;
    PicturesTable picTable = new PicturesTable( . . . ) ;
    if ( picTable.hasPicture( . . . ) ){
      picTable.extractPicture(..., ...);
      picTable.getAllPictures() ;
    }
}

最佳答案

Apache Tika将为您完成此操作。它处理与POI对话以完成HWPF的工作，并为您提供XHTML或纯文本格式的文件内容。如果注册递归解析器，那么您还将获得所有嵌入的图像。

关于java - 如何使用Apache HWPF从DOC文件中提取文本和图像，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/637440/