java 提取word中的图片和文字

如果你需要提取Word文档中的图片和文字，你可以使用Apache POI库和Apache Tika库的结合。

以下是一个简单的示例代码：

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.util.List;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

public class ExtractWord {
    public static void main(String[] args) {
        try {
            FileInputStream fis = new FileInputStream("document.docx");
            Parser parser = new AutoDetectParser();
            BodyContentHandler handler = new BodyContentHandler();
            parser.parse(fis, handler);
            String text = handler.toString();
            System.out.println(text);
            fis.close();

            XWPFDocument document = new XWPFDocument(new FileInputStream("document.docx"));
            List<XWPFPictureData> pictures = document.getAllPictures();
            for (XWPFPictureData picture : pictures) {
                byte[] data = picture.getData();
                FileOutputStream fos = new FileOutputStream(new File(picture.getFileName()));
                fos.write(data);
                fos.close();
            }
        } catch (Exception ex) {
            ex.printStackTrace();
        }
    }
}

在这个示例中，我们首先使用`AutoDetectParser`类来自动检测Word文档的格式，并使用`BodyContentHandler`类来提取文本内容和样式。如果你的Word文档中包含图片，我们使用`XWPFDocument`类来读取Word文档，并使用`getAllPictures()`方法来获取所有的图片数据，然后将图片数据写入到文件中。如果你的Word文档是`.doc`格式的，可以使用`HWPFDocument`类来读取Word文档，并使用`getPicturesTable().getAllPictures()`方法来获取所有的图片数据。

请注意，在使用`getAllPictures()`方法获取图片数据时，需要在代码中处理异常情况。另外，对于大型的Word文档，提取图片和文字可能需要一些时间。