如何读取Microsoft Word docx文档的最新技术？

Question

我需要读取Microsoft Word docx文档。
文档可能包含需要摄入的表格，并且我希望捕捉文本中的颜色（高亮）。

到目前为止，我只找到以下可能的方案
http://www.felix-johnson.com/docx4j.html

我希望从目前的技术开始。

感谢您的帮助！

Answer 1

https://github.com/tokenmill/docx-utils 看起来相关。

Comments

不，docx-utils仅解决了生成docx文档的问题。我需要读取docx文件。

Answer 2

我直接通过Java互操作使用Apache POI库，这完全满足了我的需求。请访问https://poi.apache.org/了解详情。

我围绕使用的片段编写了一些封装，使其更符合我的需求。

Comments

谢谢！您能否分享您构建的封装代码？我想从Java互操作的示例中学习。

---

抱歉，我手头没有这方面的具体信息，那只是很久以前的一次剃羊毛。

---

无论如何，通过互操作，POI（至少对于Excel电子表格）还是相当容易管理的。

POI的功能非常强大，因此包装可能并不特别有价值。

另一个选项是将文件转换为RTF - 我想LibreOffice有命令行方式可以做到这一点 - 然后通过RTF文件进行读取。

第三种方案是使用Word宏创建EDN文件 :-)