Come estrarre testo normale da un file DOCX utilizzando il nuovo supporto OOXML in POI Apache 3.5?

Question

Il 28 settembre 2009 è stata rilasciata la versione 3.5 del Apache POI project che supporta ufficialmente i formati OOXML introdotti in Office 2007, come DOCX e XLSX.

Fornire un esempio di codice per estrarre il contenuto di un file DOCX in testo normale, ignorando tutti gli stili o la formattazione.

Lo chiedo perché non sono riuscito a trovare alcun POI Apache che copra il nuovo supporto OOXML.

Answer 1

Questo ha funzionato per me. Assicurati di aggiungere i vasi necessari (aggiornare XMLBeans, ecc)

public String extractText(InputStream in) throws Exception { 
    XWPFDocument doc = new XWPFDocument(in); 
    XWPFWordExtractor ex = new XWPFWordExtractor(doc); 
    String text = ex.getText(); 
    return text; 
} 

Answer 2

Questo è più generico

POITextExtractor poitex = ExtractorFactory.createExtractor (a);

return poitex.getText();