html转word_word与html互转 word转html

使用忠告

使用该方式进行xhtml到word的转换, 简单转换是可以, 但是可能并没有想象中那么满意, 转换出来的word格式并不完美, 比如目录和标题都会丢失, 标题显示看起来一样, 但是是用正文加粗和加大字号来显示的. 毕竟word是一种文档格式, 而html是一种标记性语言, 要想实现完美兼容和转换很难。

加上word与html互转(2) -- html转word, 虽然word与html互转都有实现手段, 但是考虑到转换的格式复杂度和后期的维护成本, 我们最后放弃去实现这个成本高但是对项目影响不大的功能。

其中word转html功能实现中, 转出的html的格式并没有想象中的好, 某些样式是通过class样式来显示的, 并不全是行内样式, 并且html所有文本标签都是使用的p标签, 包括标题。

实现

实现方式

我在网上搜集了很多实现方式, 各式各样的, 最后我决定使用poi+xdocreport来实现。

Poi都熟悉, 这边我不作介绍。

Xdocreport是github上的一个开源项目, 他的具体介绍可以去他的项目地址查看--项目地址, 选择这个开源项目主要有以下几个原因:

1. 他是开源的(免费)

2.项目本身模块化, 我们可以只引用需要的功能(轻量化)

3.转换是基于poi的转换进行补充扩展的,感觉比poi原生的更好一些(emm...没验证)

4.使用简单便捷

这里只使用了xdocreport的转换器功能, 可以点这里直接查看对应的wiki

引入相关程序包。

docx转html

上面我自己写的示例跟官方的示例有所区别, 下面我贴出官方示例然后在进行解释。

跟官方不一样的地方的解释

1.在给XHTMLOption设置图片管理器对象的时候

官方是直接设置了一个图片路径, 生成的html里面的图片引用指向的是设    置的路径, 而我这边有专门的文件服务器, 所以需要将里面的图片上传到图片服务器中, 然后将html中图片的引用指向文件服务器, 所以我重写了图片管理器的代码, 将其中保存图片和给html中图片引用换成了自己的实现。

2.转换并保存html的时候

官方示例是将html保存成文件到一个路径下面, 而我的需求并不是保存文件, 而是要将生成的html分段下沉到DB, 所以可以在这里。

将官方示例的文件输出流换成自己的StringWriter就可以了(你也可以换成自己需要的流), 我这样替换就可以拿到html的字符串, 接着就可以使用jsoup进行html的解析并分段存储了。

doc转html

public String doc2html() throws Exception {
HWPFDocument hwpfDocument = new HWPFDocument(new FileInputStream("test.doc"));

Document newDocument = XMLHelper.getDocumentBuilderFactory().newDocumentBuilder().newDocument();
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(newDocument);

    wordToHtmlConverter.setPicturesManager((content, pictureType, suggestedName, widthInches, heightInches) -> {
//content是图片内容, 这里将图片保存到图片服务器, 然后将保存的图片路径返回
//同样, 你也可以将图片保存到本地相对路径, 然后将相对路径返回, html也能正常显示图片
return "https://csdnimg.cn/pubfooter/images/csdn_cs_qr.png";
});

    wordToHtmlConverter.processDocument(hwpfDocument);

Transformer transformer = TransformerFactory.newInstance()
.newTransformer();
//指定Transformer在输出结果树时是否可以添加额外的空格
    transformer.setOutputProperty(OutputKeys.INDENT, "yes");
//指定输出编码
    transformer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
    transformer.setOutputProperty(OutputKeys.METHOD, "html");

//这里是希望将转换后的流最终输出到字符串进行返回, 如果你希望直接输出文件, 你可以创建一个文件流放进下面的参数
StringWriter stringWriter = new StringWriter();
    transformer.transform(new DOMSource(wordToHtmlConverter.getDocument()), new StreamResult(stringWriter));

return stringWriter.toString();
}
           

示例代码比较简单, 但是已经具备转换的功能, 需要注意和可能变动的点我在代码注释中已经说明, 可以根据需求来修改图片的保存和最后输出的结果。