java8 读取 doc、docx 文件内容和图片，区分段落

您好，针对您的问题，可以使用 Apache POI 库来读取 doc、docx 文件内容和图片，然后使用正则表达式或其他方法来区分段落。

以下是使用 Apache POI 库读取 doc、docx 文件内容和图片的示例代码：

import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

import org.apache.poi.openxml4j.exceptions.InvalidFormatException;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.apache.poi.xwpf.usermodel.XWPFPictureData;
import org.apache.poi.xwpf.usermodel.XWPFPicture;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;

public class ReadDocx {

    public static void main(String[] args) throws IOException, InvalidFormatException {
        InputStream fis = new FileInputStream("example.docx");
        XWPFDocument document = new XWPFDocument(OPCPackage.open(fis));

        for (XWPFParagraph paragraph : document.getParagraphs()) {
            String text = paragraph.getText();
            // 处理段落内容
            System.out.println(text);

            // 处理段落中的图片
            for (XWPFRun run : paragraph.getRuns()) {
                for (XWPFPicture picture : run.getEmbeddedPictures()) {
                    XWPFPictureData pictureData = picture.getPictureData();
                    String fileName = pictureData.getFileName();
                    byte[] data = pictureData.getData();
                    // 处理图片数据
                }
            }
        }

        document.close();
    }
}

在上述代码中，我们使用 `XWPFDocument` 类来读取 docx 文件，使用 `getParagraphs()` 方法来获取文件中的所有段落，然后使用 `getText()` 方法来获取段落的内容。如果需要处理段落中的图片，可以使用 `getRuns()` 方法获取段落中的所有 `XWPFRun` 对象，然后使用 `getEmbeddedPictures()` 方法获取 `XWPFPicture` 对象列表，进而获取图片数据。

需要注意的是，该方法只适用于读取 docx 文件，如果需要读取 doc 文件，则需要使用 HSSF 或 HWPF 类库。另外，针对段落的区分，可以使用正则表达式匹配段落的结尾符号，如 `\r\n` 或 `\n\n` 等。