java - 是否可以使用 Apache POI 解析 MS Word 并将其转换为 XML？

Question

是否可以使用 Apache POI 将 MS Word 转换为 XML 文件？

如果是的话，你能给我指点任何教程吗？

Answer 1

我想说你有两个选择，都由 Apache POI 提供支持

一是使用Apache Tika 。 Tika 是一个文本和元数据提取工具包，能够通过对 POI 进行适当的调用，从 Word 文档中提取相当丰富的文本。结果是 Tika 将为您的 Word 文档内容提供 XHTML 样式的 XML。

另一个选项是使用最近添加到 POI 的类，即 WordToHtmlConverter 。这会将您的 Word 文档转换为 HTML，并且通常会比 Tika 保留更多的结构和格式。

根据您希望获得的 XML 类型，其中之一应该是您的不错选择。我建议您对一些示例文件进行尝试，看看哪一个最适合您的问题域和需求。