通过 Java 实现 Word 转 TXT

在日常开发中，将 Word 文档转换为纯文本格式是一类高频需求，常见于内容检索、文本分析、数据入库、批量文档预处理等场景。相比于直接解析 Word 二进制格式，使用成熟的文档处理库可以大幅降低开发成本。本文将介绍如何通过 Free Spire.Doc for Java 免费库，快速实现 Word（DOC/DOCX）到 TXT 的转换，并提供完整的代码示例与注意事项。

一、常见方案

Word 文档本质上是包含样式、格式、图片、表格等富内容的结构化文件，纯文本提取的核心目标是剥离格式信息，保留可读的文字内容。

实现 Word 转 TXT 通常有几条技术路径：

基于 Apache POI 自行解析：灵活度高，但需要处理不同版本格式差异，代码量较大
调用 Office 自动化接口：依赖本地 Office 环境，服务器部署成本高
使用第三方文档库：API 封装完善，无需依赖 Office，开发效率高

Free Spire.Doc for Java 属于第三类方案，独立运行不依赖 Microsoft Office，对 DOC 和 DOCX 格式均有良好支持，API 设计简洁，适合快速落地转换功能。

二、Maven 依赖配置

在项目 pom.xml 中添加官方仓库与免费版依赖：

xml 复制代码

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.com/nexus/content/groups/public/</url>
    </repository>
</repositories>
<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.doc.free</artifactId>
    <version>14.3.1</version>
</dependency>

三、Word 转 TXT 核心实现

转换过程极为简洁，核心就三步：加载 → 保存 → 释放资源。

java 复制代码

import com.spire.doc.Document;
import com.spire.doc.FileFormat;

public class WordToTxtConverter {
    public static void main(String[] args) {
        // 1. 创建Document对象
        Document doc = new Document();
        
        // 2. 加载Word文档（支持.doc和.docx）
        doc.loadFromFile("C:\\input\\示例文档.docx");
        
        // 3. 保存为TXT格式
        doc.saveToFile("C:\\output\\转换结果.txt", FileFormat.Txt);
        
        // 4. 释放资源
        doc.dispose();
    }
}

saveToFile 方法会保留段落之间的换行，整体输出结构与原文段落顺序一致。

四、进阶用法与批量处理

批量转换

如需批量转换多个 Word 文档，可结合目录遍历：

java 复制代码

import java.io.File;
import com.spire.doc.Document;
import com.spire.doc.FileFormat;

public class BatchWordToTxt {
    public static void main(String[] args) {
        String inputDir = "C:\\word_files\\";
        String outputDir = "C:\\txt_output\\";
        
        File folder = new File(inputDir);
        File[] files = folder.listFiles((dir, name) -> 
            name.endsWith(".doc") || name.endsWith(".docx"));
        
        if (files != null) {
            for (File wordFile : files) {
                Document doc = new Document();
                doc.loadFromFile(wordFile.getAbsolutePath());
                
                String outputPath = outputDir + 
                    wordFile.getName().replaceAll("\\.docx?$", ".txt");
                doc.saveToFile(outputPath, FileFormat.Txt);
                doc.dispose();
                
                System.out.println("已转换: " + wordFile.getName());
            }
        }
    }
}

提取文本而非保存为文件

如果只需要获取文本内容用于内存处理（如存入数据库），可以使用 getText() 方法：

java 复制代码

Document doc = new Document();
doc.loadFromFile("示例.docx");
String textContent = doc.getText();  // 获取纯文本内容
doc.dispose();
// 后续可对textContent进行进一步处理

五、常见问题

5.1 免费版功能限制

免费版本有段落数和表格数量上限，适合个人学习、小型工具和功能验证场景。

5.2 编码问题

直接使用 saveToFile 输出 TXT 时，默认编码为 UTF-8
如果目标系统使用 GBK 编码，可在写入时切换编码格式

5.3 资源释放

Document 对象会占用一定内存，使用完毕后务必调用 dispose() 方法释放资源。在批量转换场景下，建议每处理完一个文件就及时释放，避免 OOM。

5.4 非文本内容处理

TXT 本身不支持图片、表格边框、字体样式等富格式，转换后：

图片会被忽略，不会出现在 TXT 中
表格内容会按单元格顺序转为纯文本，行列结构丢失
超链接仅保留显示文字，不保留链接地址

如果需要保留更多格式信息，可考虑转 HTML 或 Markdown 等中间格式。

以上示例演示了如何用几行代码完成核心转换逻辑，对于不需要深度定制格式的场景，这种方案开发成本低、接入速度快，能够满足大多数文本提取类需求。

在实际项目中，建议结合文档规模、并发量和格式保留要求做综合评估：小规模批量处理用免费版即可快速落地；如果是生产环境高并发、大文档场景，则需要进一步评估性能与其他方案。