ดึงข้อความจาก docx ด้วย GroupDocs.Viewer สำหรับ Java

คุณกำลังมองหา extract text from docx ไฟล์แบบโปรแกรมหรือไม่? ไม่ว่าคุณจะต้องการดึงหมายเลขหน้า, บันทึกทุกบรรทัดของข้อความ, หรือสร้างดัชนีที่ค้นหาได้, การทำด้วยตนเองอาจใช้เวลานานและเกิดข้อผิดพลาดได้. GroupDocs.Viewer for Java ทำให้กระบวนการง่ายขึ้นโดยให้ API ที่มีประสิทธิภาพสูงที่อ่านโครงสร้างของเอกสารและคืนค่าข้อความที่สะอาด.

ในบทเรียนนี้คุณจะได้เรียนรู้วิธีตั้งค่า GroupDocs.Viewer, ดึงเมตาดาต้าของหน้า, และดึงแต่ละบรรทัดข้อความจากไฟล์ DOCX. เมื่อจบคุณจะมีโซลูชันพร้อมใช้งานที่สามารถผสานรวมกับแบ็กเอนด์ที่ใช้ Java ใดก็ได้.

Document Analysis with GroupDocs.Viewer for Java

คำตอบด่วน

What does “extract text from docx” mean? หมายความว่าเป็นการอ่านไฟล์ DOCX แบบโปรแกรมและดึงเนื้อหาข้อความธรรมดาเป็นบรรทัดต่อบรรทัด.
Which library handles this? GroupDocs.Viewer for Java ให้คลาส Viewer และ API ที่เกี่ยวข้อง.
Do I need a license? การทดลองใช้ฟรีทำงานสำหรับการประเมิน; จำเป็นต้องมีใบอนุญาตแบบชำระเงินสำหรับการใช้งานจริง.
What Java version is required? JDK 8 + ใดก็ได้ที่เข้ากันได้กับ Maven.
Can I process large batches? ใช่—โดยการใช้ซ้ำอินสแตนซ์ Viewer และจัดการหน้าผ่านสตรีม.

“extract text from docx” คืออะไร?

การดึงข้อความจากไฟล์ DOCX หมายถึงการอ่านโครงสร้าง XML ภายในของเอกสารและคืนค่าข้อความที่มนุษย์อ่านได้โดยไม่มีการจัดรูปแบบ. สิ่งนี้มีประโยชน์สำหรับการทำดัชนี, การค้นหา, หรือการส่งเนื้อหาไปยังกระบวนการวิเคราะห์ต่อไป.

ทำไมต้องใช้ GroupDocs.Viewer สำหรับ Java?

Accuracy: รองรับการจัดวางที่ซับซ้อน, ตาราง, และเอกสารหลายคอลัมน์.
Speed: เครื่องยนต์การเรนเดอร์ที่ปรับแต่งให้ทำงานเร็วแม้ไฟล์ขนาดใหญ่.
Cross‑format support: API เดียวกันทำงานกับ PDF, PPTX, XLSX, และอื่น ๆ, ทำให้คุณสามารถใช้โค้ดซ้ำได้.
No external dependencies: Java แท้, ไม่ต้องใช้ไลบรารีเนทีฟ.

ข้อกำหนดเบื้องต้น

Java Development Kit (JDK) 8 หรือใหม่กว่า.
Maven ที่ติดตั้งไว้สำหรับการจัดการ dependencies.
ไฟล์ DOCX ที่คุณต้องการวิเคราะห์ (วางไว้ในโฟลเดอร์ที่รู้จัก).

การตั้งค่า GroupDocs.Viewer สำหรับ Java

เพิ่มรีโพซิทอรีของ GroupDocs และ dependency ลงใน pom.xml ของคุณ:

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/viewer/java/</url>
   </repository>
</repositories>

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-viewer</artifactId>
      <version>25.2</version>
   </dependency>
</dependencies>

ขั้นตอนการรับใบอนุญาต

Free Trial: ดาวน์โหลดการทดลองใช้ฟรีจาก GroupDocs downloads page.
Temporary License: รับใบอนุญาตชั่วคราวสำหรับการทดสอบต่อเนื่องผ่าน temporary license page.
Purchase: สำหรับการเข้าถึงเต็มรูปแบบและการสนับสนุน, พิจารณาซื้อใบอนุญาตผ่าน GroupDocs purchase portal.

การเริ่มต้นพื้นฐาน

นำเข้าคลาสที่จำเป็น.
สร้างอินสแตนซ์ Viewer ที่ชี้ไปยังไฟล์ DOCX ของคุณ.
ใช้ ViewInfoOptions.forPngView(true) เพื่อขอข้อมูลระดับหน้า (เมตาดาต้าและบรรทัดข้อความ).

วิธีดึงข้อความจาก docx – คำแนะนำขั้นตอนต่อขั้นตอน

1. การดึงเมตาดาต้าหน้า

เมตาดาต้าหน้าเช่นหมายเลขหน้ามีความสำคัญเมื่อคุณต้องการสร้างโครงสร้างการนำทางหรืออ้างอิงส่วนเฉพาะ.

try (Viewer viewer = new Viewer("YOUR_DOCUMENT_DIRECTORY/SAMPLE_DOCX")) {
    ViewInfoOptions viewInfoOptions = ViewInfoOptions.forPngView(true);
    ViewInfo viewInfo = viewer.getViewInfo(viewInfoOptions);

    for (Page page : viewInfo.getPages()) {
        int pageNumber = page.getNumber();
        System.out.println("Page: " + pageNumber); // Outputs the page number
    }
}

ViewInfoOptions.forPngView(true): สั่งให้ API เก็บข้อมูลหน้าขณะเตรียมการเรนเดอร์ PNG.
viewInfo.getPages(): คืนค่าคอลเลกชันที่แต่ละอ็อบเจ็กต์ Page มีหมายเลขและเมตาดาต้าอื่น ๆ.

Pro tip: ปิดการใช้งาน Viewer ภายในบล็อก try‑with‑resources เพื่อปล่อยทรัพยากรเนทีฟโดยอัตโนมัติ.

2. การดึงบรรทัดข้อความจากหน้า

ตอนนี้คุณสามารถระบุแต่ละหน้าแล้ว, ให้ดึงบรรทัดข้อความจริงออกมา.

try (Viewer viewer = new Viewer("YOUR_DOCUMENT_DIRECTORY/SAMPLE_DOCX")) {
    ViewInfoOptions viewInfoOptions = ViewInfoOptions.forPngView(true);
    ViewInfo viewInfo = viewer.getViewInfo(viewInfoOptions);

    for (Page page : viewInfo.getPages()) {
        System.out.println("Page: " + page.getNumber());
        System.out.println("Text lines:");
        
        for (Line line : page.getLines()) {
            String lineText = line.getValue();
            System.out.print(lineText + "\t");
        }
    }
}

page.getLines(): คืนค่ารายการของอ็อบเจ็กต์ Line, แต่ละอ็อบเจ็กต์แสดงบรรทัดข้อความเดียวตามที่ปรากฏบนหน้า.
ลูปภายในพิมพ์แต่ละบรรทัด, แยกด้วยแท็บเพื่อความอ่านง่าย.

ปัญหาทั่วไป & วิธีแก้

อาการ	สาเหตุที่เป็นไปได้	วิธีแก้
หมายเลขหน้าเป็น `null`	เอกสารไม่ได้โหลดอย่างถูกต้อง	ตรวจสอบเส้นทางไฟล์และให้แน่ใจว่าไฟล์มีอยู่.
ไม่มีบรรทัดข้อความที่คืนค่า	รูปแบบไฟล์ไม่รองรับ	ตรวจสอบว่าเวอร์ชัน DOCX รองรับ; อัปเกรด GroupDocs หากจำเป็น.
`OutOfMemoryError` บนไฟล์ขนาดใหญ่	Viewer เก็บหน้าจำนวนมากในหน่วยความจำ	ประมวลผลหน้าเป็นชุดเล็ก ๆ หรือใช้ซ้ำอินสแตนซ์ `Viewer` เดียวกัน.

การประยุกต์ใช้งานจริง

Search Engine Indexing: เก็บหมายเลขหน้าพร้อมกับข้อความที่ดึงเพื่อให้สามารถดึงส่วนย่อยได้อย่างแม่นยำ.
Legal Document Review: ดึงทุกบรรทัดสำหรับการตรวจจับข้อกำหนดอัตโนมัติหรือกระบวนการลบข้อมูล.
Content Migration: ย้ายเนื้อหา DOCX เก่าเข้าสู่ CMS พร้อมรักษาโครงสร้าง.
Reporting Dashboards: สรุปส่วนสำคัญโดยการดึงหัวข้อและรายการหัวข้อย่อย.

ข้อควรพิจารณาด้านประสิทธิภาพ

Dispose Properly: ปิด Viewer เสมอ (ใช้ try‑with‑resources).
Batch Processing: เมื่อจัดการเอกสารหลายไฟล์, ใช้อินสแตนซ์ Viewer เดียวต่อเธรดเพื่อ ลดภาระ.
Render Options: หากต้องการเฉพาะข้อความ, คุณสามารถข้ามการเรนเดอร์ PNG โดยใช้ ViewInfoOptions.forTextView() (ไม่ได้แสดงที่นี่) เพื่อลดเวลาในการประมวลผล.

สรุป

ตอนนี้คุณรู้วิธี extract text from docx ไฟล์โดยใช้ GroupDocs.Viewer for Java, ดึงหมายเลขหน้า, และวนลูปผ่านแต่ละบรรทัดของข้อความ. ส่วนประกอบเหล่านี้ทำให้คุณสร้าง pipeline การประมวลผลเอกสารที่มีประสิทธิภาพ, เชื่อถือได้, และง่ายต่อการบำรุงรักษา.

ขั้นตอนต่อไป

ทดลองใช้รูปแบบอื่น (PDF, PPTX) ด้วย API เดียวกัน.
ผสานข้อความที่ดึงกับเครื่องมือค้นหาแบบเต็มข้อความเช่น Elasticsearch.
สำรวจตัวเลือกการจัดรูปแบบสำหรับภาพที่เรนเดอร์หากคุณต้องการตัวอย่างภาพ.

คำถามที่พบบ่อย

Q: GroupDocs.Viewer รองรับรูปแบบไฟล์อะไรบ้าง?
A: รองรับหลายรูปแบบรวมถึง DOCX, PDF, XLSX, PPTX, และอื่น ๆ อีกมาก.

Q: ฉันสามารถปรับแต่งรูปแบบผลลัพธ์เมื่อดึงบรรทัดได้หรือไม่?
A: ได้, โดยกำหนดค่า ViewInfoOptions (เช่น forTextView() สำหรับข้อความบริสุทธิ์).

Q: มีขีดจำกัดจำนวนหน้าที่สามารถประมวลผลได้หรือไม่?
A: ไม่มีขีดจำกัดที่แน่นอน, แต่เอกสารขนาดใหญ่มากอาจต้องประมวลผลเป็นชุดเพื่อประหยัดหน่วยความจำ.

Q: ฉันจะจัดการข้อยกเว้นใน GroupDocs.Viewer อย่างไร?
A: ห่อโค้ด Viewer ของคุณในบล็อก try‑catch และจัดการ ViewerException หรือ IOException ทั่วไปตามความต้องการ.

Q: เครื่องมือนี้สามารถผสานรวมกับเฟรมเวิร์ก Java อื่น ๆ ได้หรือไม่?
A: แน่นอน! ทำงานอย่างราบรื่นกับ Spring, Hibernate, Jakarta EE, และอื่น ๆ.

แหล่งข้อมูล

อัปเดตล่าสุด: 2026-04-13
ทดสอบด้วย: GroupDocs.Viewer for Java 25.2
ผู้เขียน: GroupDocs