解析.docx文件以提取文本和图像

Question

我需要解析一个.docx文件并提取信息，其中包含多选题格式的问题。它还包含图像（例如数学方程式）以及文本。我尝试了poi和tika，但是只有我可以提取文本。有人可以建议我这样做是否有开源Java工具吗？

Answer 1

.docx格式本质上是一个zip。要获取图像，请将filename.docx更改为filename.zip并解压缩。