如何读取Microsoft Word docx文档的当前技术？

Question

我需要读取Microsoft Word docx文档。
这些文档可能包含要提取的表格，并且我希望捕获文本中的颜色（突出显示）。

到目前为止，我只找到了以下可能的信息
http://www.felix-johnson.com/docx4j.html

我希望从当前的技术状态开始。

谢谢您的帮助！

Answer 1

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

Comments

不，docx-utils只处理docx文档的生成。我需要读取docx文件。

Answer 2

我直接通过Java互操作使用了Apache POI库，这对于我需要的所有事情都工作得很好。 https://poi.apache.org/

我为使用的那一小部分代码构建了一些包装，让它更适合我的需求。

Comments

谢谢！你能分享一下你构建的包装片段吗？我需要从Java互操作的例子中学习。

---

抱歉，我不记得具体在哪里了，这只是一段很早以前的事情。

---

POI（对于Excel电子表格来说）可以通过互操作轻松管理。

POI的应用非常广泛，包装可能并不具有太大价值。

另一个选择是将文档转换为RTF格式——我认为LibreOffice有命令行方式可以做到这一点——然后尝试阅读RTF。

第三种选择是编写Word宏来编写EDN文件 :-)