Question

我正在完成一项任务，我必须从word文档中提取数据，主要是图像，表格和特殊文本（公式等）。

我可以保存从网上下载的word文件中的图像，但是当我将相同的代码应用到我的.docx文件时，它会给出错误。

相同的代码是

//create file inputstream to read from a binary file
      FileInputStream fs=new FileInputStream(filename);
      //create office word 2007+ document object to wrap the word file
      XWPFDocument docx=new XWPFDocument(fs);
      //get all images from the document and store them in the list piclist
      List<XWPFPictureData> piclist=docx.getAllPictures();
      //traverse through the list and write each image to a file
      Iterator<XWPFPictureData> iterator=piclist.iterator();
      System.out.println(piclist.size());
      while(iterator.hasNext()){

       XWPFPictureData pic=iterator.next();
       byte[] bytepic=pic.getData();
       int i=0;
       BufferedImage imag=ImageIO.read(new ByteArrayInputStream(bytepic));
       //captureimage(imag,i,flag,j);
       if(imag != null)
       {
               ImageIO.write(imag, "jpg", new File("D:/imagefromword"+i+".jpg"));  
       }else{
           System.out.println("imag is empty");
       }

它给出了错误的格式错误。但我无法更改doc文件。其次，对于上面的代码，如果我有一个以上的图像，当我保存这个比每次保存保存图像。假设我们有3个图像，那么它将保存3个图像，但这三个图像将是最新的图像。

任何帮助将不胜感激。

Answer 1

没有实际错误，我只能猜测。但是有两个POI实现HWPF和XWPF取决于您读取旧文档一或xml-new-one docx的word文档版本。通常，当您尝试使用错误的文档打开文档时会出现格式错误。您还需要完整的poi-ooxml-schemas jar来阅读更复杂的文档。

如何从.docx文件中提取数据，包括图像，表格，公式等？

1 个答案: