java提取word中的文字,java获取word里面的文本

需求场景

开发的web办公系统如果需要处理大量的Word文档(比如有成千上万个文档)，用户一定提出查找包含某些关键字的文档的需求，这就要求能够读取 word 中的文字内容，而忽略其中的文字样式、表格、图片等信息。

方案分析

方案一：使用Apache POI技术将所有服务器上文档的文本获取后存储到数据库，查找文档时利用sql语句检索数据中存储的文档文本是否包含关键字来搜索到相关文档。然而现在 microsoft word 有两种文档格式doc和docx，这两个版本存储数据的格式上都有相当大的差别。调研发现apache POI针对doc和docx提供了两套不同的API接口，需要针对两种文档格式编写不同的代码，word文档自身格式复杂，读取word文档内容的代码会对服务器造成一定的压力，且无法实现让用户在线处理word文档。

方案二：使用PageOffice组件的FileSaver对象的getDocumentText方法，获取word文档中的纯文本内容，且如果调用PageOffice实现此功能的话，同时也可以实现word文件的在线编辑。

实现步骤

1. 调用PageOffice在线打开word文件，比如：test.doc

PageOfficeCtrl poCtrl=new PageOfficeCtrl(request);

//设置服务器页面

poCtrl.setServerPage(request.getContextPath()+"/poserver.zz");

//设置保存页面为SaveFile.jsp，或SaveFile.do SaveFile.action 等action方法或RequestMapping方法均可

poCtrl.setSaveFilePage("SaveFile.jsp");

//打开Word文档

poCtrl.webOpen("doc/test.doc",OpenModeType.docNormalEdit,"Tom");

2. 在处理保存操作的页面(SaveFile.jsp)或方法里执行保存文件和获取文档中纯文本内容的操作：

FileSaver fs=new FileSaver(request,response);

fs.saveToFile(request.getSession().getServletContext().getRealPath("doc/")+"/"+fs.getFileName());//保存文件

String strDocumentText = fs.getDocumentText();//获取文档的纯文本内容，不带任何附加格式

// - 编写代码，保存文档的文本内容到数据库 - //

......

fs.close();

3. 需要对全文检索的时候，只需对数据库中保存了word文件纯文本内容的数据库字段做SQL查询即可。

java提取word中的文字,java获取word里面的文本相关推荐

java全文检索word中的内容_java获取word里面的文本
需求场景开发的web办公系统如果需要处理大量的Word文档(比如有成千上万个文档),用户一定提出查找包含某些关键字的文档的需求,这就要求能够读取 word 中的文字内容,而忽略其中的文字样式.表格. ...
Java提取视频中的音频
话不多说,上代码 Scanner scanner = new Scanner(System.in);System.out.println("请输入被提取音频的视频:");Strin ...
在Word中隐藏文字
在Word中隐藏文字在用Word中编辑文档时,有时需要对文档中的部分文字进行隐藏,例如在制作试卷时,可以先将答案连同试题一起制作出来,在打印前将答案隐藏,然后在阅卷或讲解试题时再将隐藏的文字显示出来 ...
Java 实现word 中写入文字图片的解决方案
Java 实现word 中写入文字图片的解决方案参考文章: (1)Java 实现word 中写入文字图片的解决方案 (2)https://www.cnblogs.com/jianguang/p/57 ...
Spring Boot 提取pdf中的文字
Spring Boot 提取pdf中的文字提取pdf中的文字,由于字体不同,可能会提取出来乱码.(友情提示:建议先pdf文件转成图片,然后调用百度api提取文字,准确率高.跳转链接:https:// ...
怎么提取照片中的文字?
俗话说:好记性不如烂笔头.不管是我们工作中还是学习中,都是有需要记录的事项.如果内容比较少时直接手写下来,一旦多了,如果还是用手记录,这既繁琐又耗时.而用手机拍一拍,这将解决我们整理中出现的问题,后续 ...
py提取文字中的时间_怎样提取照片中的文字？照片文字提取软件推荐
怎样提取照片中的文字?平时,我很爱看些甜甜的言情小说,也对很多充满浪漫气息的图片.文字没有抵抗力(想把它们给保存.记录下来,以后可回看).不过,图片一键就可以保存下来了,想要记录图中文案还得使用ocr ...
python提取cad中的文字_[python]提取PPT中的文字（包括图片中的文字）
python是一门很强大的语言,因为有着丰富的第三方库,所以可以说Python是无所不能的. 很多人都知道,Python可以操作Excel,PDF·还有PPT,这篇文章就围绕Python提取PPT中的 ...
Python提取PDF中的文字和图片
一,使用Python提取PDF中的文字 # 只能处理包含文本的PDF文件 #coding=utf-8 import sys import importlib importlib.reload(sys) ...

java提取word中的文字,java获取word里面的文本

java提取word中的文字,java获取word里面的文本相关推荐

最新文章

热门文章