标签:写入 tac mat 免费 load format img 技术 提取
本文将介绍通过Java来提取或读取Word文档中文本和图片的方法。这里提取文本和图片包括同时提取文档正文当中以及页眉、页脚中的的文本和图片。
使用工具:Free Spire.Doc for Java (免费版)
Jar文件导入方法(参考):
方法1:下载jar文件包。下载后解压文件,并将lib文件夹下的Spire.Doc.jar文件导入到java程序。导入效果参考如下:
方法2:可通过maven导入。参考导入方法。
测试文档如下:
Java代码示例(供参考)
【示例1】提取Word中的文本
import com.spire.doc.*; import java.io.FileWriter; import java.io.IOException; public class ExtractText { public static void main(String[] args) throws IOException{ //加载测试文档 Document doc = new Document(); doc.loadFromFile("test.docx"); //获取文本保存为String String text = doc.getText(); //将String写入Txt writeStringToTxt(text,"提取文本.txt"); } public static void writeStringToTxt(String content, String txtFileName) throws IOException { FileWriter fWriter= new FileWriter(txtFileName,true); try { fWriter.write(content); }catch(IOException ex){ ex.printStackTrace(); }finally{ try{ fWriter.flush(); fWriter.close(); } catch (IOException ex) { ex.printStackTrace(); } } } }
文本提取结果:
【示例2】提取Word中的图片
import com.spire.doc.Document; import com.spire.doc.documents.DocumentObjectType; import com.spire.doc.fields.DocPicture; import com.spire.doc.interfaces.ICompositeObject; import com.spire.doc.interfaces.IDocumentObject; import javax.imageio.ImageIO; import java.awt.image.RenderedImage; import java.io.File; import java.io.IOException; import java.util.ArrayList; import java.util.LinkedList; import java.util.List; import java.util.Queue; public class ExtractImg { public static void main(String[] args) throws IOException { //加载Word文档 Document document = new Document(); document.loadFromFile("test.docx"); //创建Queue对象 Queue nodes = new LinkedList(); nodes.add(document); //创建List对象 List images = new ArrayList(); //遍历文档中的子对象 while (nodes.size() > 0) { ICompositeObject node = (ICompositeObject) nodes.poll(); for (int i = 0; i < node.getChildObjects().getCount(); i++) { IDocumentObject child = node.getChildObjects().get(i); if (child instanceof ICompositeObject) { nodes.add((ICompositeObject) child); //获取图片并添加到List if (child.getDocumentObjectType() == DocumentObjectType.Picture) { DocPicture picture = (DocPicture) child; images.add(picture.getImage()); } } } } //将图片保存为PNG格式文件 for (int i = 0; i < images.size(); i++) { File file = new File(String.format("图片-%d.png", i)); ImageIO.write((RenderedImage) images.get(i), "PNG", file); } } }
图片提取结果:
(本文完)
转载请注明出处!
标签:写入 tac mat 免费 load format img 技术 提取
原文地址:https://www.cnblogs.com/Yesi/p/11611888.html