docx4j 实现word读取获取图片和文档

docx4j可以帮助你读取Word文档中的图片和文本内容。下面是一个简单的示例代码，可以读取Word文档中的所有图片和文本，并将它们打印到控制台上：

import org.docx4j.Docx4J;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.docx4j.wml.*;

import java.io.File;
import java.util.List;

public class ReadWord {

    public static void main(String[] args) throws Exception {

        // 读取Word文档
        WordprocessingMLPackage wordMLPackage = Docx4J.load(new File("test.docx"));

        // 获取文档中的所有段落
        List<P> paragraphs = wordMLPackage.getMainDocumentPart().getContent().stream()
                .filter(obj -> obj instanceof P)
                .map(obj -> (P) obj)
                .toList();

        // 打印文本内容
        for (P paragraph : paragraphs) {
            List<Object> runs = paragraph.getContent();
            for (Object run : runs) {
                if (run instanceof Text) {
                    System.out.println(((Text) run).getValue());
                }
            }
        }

        // 获取文档中的所有图片
        List<Object> images = wordMLPackage.getAllElementsFromObjectList(
                wordMLPackage.getMainDocumentPart(), Drawing.class);

        // 打印图片信息
        for (Object image : images) {
            if (image instanceof Drawing) {
                Drawing drawing = (Drawing) image;
                List<Object> imageRuns = drawing.getAnchorOrInline();
                for (Object imageRun : imageRuns) {
                    if (imageRun instanceof Inline) {
                        Inline inline = (Inline) imageRun;
                        List<Object> inlineItems = inline.getGraphic().getGraphicData().getAny();
                        for (Object inlineItem : inlineItems) {
                            if (inlineItem instanceof org.docx4j.dml.wordprocessingDrawing.Inline) {
                                org.docx4j.dml.wordprocessingDrawing.Inline picture =
                                        (org.docx4j.dml.wordprocessingDrawing.Inline) inlineItem;
                                String imageId = picture.getDocPr().getId();
                                System.out.println("Image ID: " + imageId);
                                // 获取图片二进制数据
                                byte[] imageData = wordMLPackage.getMainDocumentPart().
                                        getBinaryData(imageId);
                                // 处理图片数据
                            }
                        }
                    }
                }
            }
        }
    }
}

这个例子中，我们使用了docx4j的Docx4J.load()方法来加载Word文档。然后，我们使用getMainDocumentPart()方法获取文档的主体部分，并使用getContent()方法获取文档中的所有内容。我们过滤出所有的段落，并依次打印出文本内容。之后，我们使用getAllElementsFromObjectList()方法获取文档中的所有图片，并使用getBinaryData()方法获取图片的二进制数据。最后，我们可以处理这些图片数据，例如将它们保存到本地磁盘或者上传到服务器。

需要注意的是，这个例子只是一个简单的示例，实际应用中可能需要考虑更多的情况。比如，文档中可能会有多个图片，我们需要使用循环逐一处理。另外，对于大型文档，可能需要考虑使用分页加载等技术来提高性能。