源码地址：https://github.com/sunmaolin/wordToHtml
含doc转html，docx转html等相关实例代码。一看就会，一写就对。

前言

提示：本文使用POI工具进行转换。

需求：公司之前发布的报告内容是word文件。现在需要改为富文本编辑嵌入到页面中(为了被百度检索到)。之前发布的报告也需要修改保存。那现在出现的问题就是word如何转换为html格式，且图片需要上传到云存储中。
问题1： poi只针对于doc格式的文件可以做转换。docx做不到。
问题2： 针对问题1，我将docx另存为doc文件。转换后发现样式是写在style标签中。而我需要内联样式。也就是转为html文件是可以的，但是转为html片段可行性不高。当然也可以使用jsoup进行解析处理（太费劲）。
问题3： 针对问题2，我检索发现存在xdocreport插件可以将poi中的XWPF转换为HTML，且可以为内联样式。但是其中图片是存储到本地。我需要上传到云存储中。

针对问题3，下面是解决方案。

一、xdocreport是什么？

XDocReport means XML Document reporting. It’s Java API to merge XML document created with MS Office (docx) or OpenOffice (odt), LibreOffice (odt) with a Java model to generate report and convert it if you need to another format (PDF, XHTML…).

github：XDocReport

二、POM文件

新旧版本的使用方式不一样。但是原理是一模一样。由于XDocReport中已经依赖了POI。所以无需额外引入。如果项目中存在POI依赖。注意版本冲突。

2.1 老版本

<!--github https://github.com/opensagres/xdocreport -->
<dependency><groupId>fr.opensagres.xdocreport</groupId><artifactId>org.apache.poi.xwpf.converter.xhtml</artifactId><version>1.0.5</version>
</dependency>

2.2 新版本

新版本，将名字改了，不在以org.apache.poi命名。

<!--github https://github.com/opensagres/xdocreport -->
<dependency><groupId>fr.opensagres.xdocreport</groupId><artifactId>fr.opensagres.poi.xwpf.converter.xhtml</artifactId><version>2.0.3</version>
</dependency>

三、编码

此处只以新版本2.0.3进行编码。推荐使用。

3.1 自定义ImageManager

import fr.opensagres.poi.xwpf.converter.core.ImageManager;import java.io.IOException;
import java.util.HashMap;
import java.util.Map;/*** 自定义word转html图片处理器* @author 孙茂林* @date 2022-06-10*/
public class CustomImageManager extends ImageManager {/*** 根据插件自动生成的地址与上传到服务器的地址做映射缓存*/Map<String, String> imageUrlCache = new HashMap<>();public CustomImageManager() {super(null, null);}@Overridepublic String resolve(String uri) {return imageUrlCache.get(uri);}@Overridepublic void extract(String imagePath, byte[] imageData) throws IOException {/*参数imagePath example: word/media/image1.png word/media/image2.png */// 1.保存图片到云存储服务器返回访问链接String serverImageUrl = "https://aliyun-xxx.fervwswv.image";// 2.做映射缓存imageUrlCache.put(imagePath, serverImageUrl);}
}

3.2.转换为html

import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.junit.Test;import java.io.FileInputStream;
import java.io.FileOutputStream;/*** @author 孙茂林* @date 2022-06-10*/
public class CustomTestHtml {private static final String sourceFile = "C:\\Users\\QM\\Desktop\\a.docx";private static final String targetFile = "C:\\Users\\QM\\Desktop\\a.html";@Testpublic void poiDocxNew() throws Exception {FileInputStream fileInputStream = new FileInputStream(sourceFile);XWPFDocument wordDocument = new XWPFDocument(fileInputStream);// 使用自定义图片管理。直接将文件上传至云服务器XHTMLOptions xhtmlOptions = XHTMLOptions.create().setImageManager(new CustomImageManager());// 将样式都写为内联样式，而不是写到style标签中 默认falsexhtmlOptions.setFragment(true);// 省略掉footer，header标签 默认falsexhtmlOptions.setOmitHeaderFooterPages(true);// 忽略未用到的样式 默认truexhtmlOptions.setIgnoreStylesIfUnused(true);// 缩进 默认不缩进// xhtmlOptions.indent(10);XHTMLConverter.getInstance().convert(wordDocument, new FileOutputStream(targetFile), xhtmlOptions);}}

java docx转html相关推荐

java docx文档解析_带有docx4j的Java Word（.docx）文档
java docx文档解析几个月前,我需要创建一个包含许多表和段落的动态Word文档. 过去,我曾使用POI来实现此目的,但是我发现它很难使用,并且在创建更复杂的文档时对我来说效果不佳. 因此,对于 ...
java docx转html实例_Java实现将word转换为html的方法示例【doc与docx格式】
Java实现将word转换为html的方法示例[doc与docx格式] 发布于 2020-6-14| 复制链接摘记: 本文实例讲述了Java实现将word转换为html的方法.分享给大家供大家参考, ...
JAVA docx/doc转html代码
在项目中有doc/docx转换成html代码,然后渲染到前端的需求,在此之前只是大概了解过poi有这方面的能力,但并未实操过.在实现过程中看过很多教程,也踩了很多坑,但时隔太久忘记了.话不多说,直接贴 ...
Java Docx文件简介和解析
Docx简介以Microsoft Office的doc/docx 为主要处理对象 Word2003和之前都是doc,文档格式不公开 Word2007和之后都是docx,文档格式公开,遵循XML路线 ...
java docx转pdf_java word/doc/docx文档转PDF 加水印
本文实例讲述了java实现word文档转pdf并添加水印的方法.分享给大家供大家参考,具体如下: 前段时间,项目需要将上传的Word文档在浏览器浏览,思来想去,把word文档转成pdf就好了,于是乎研 ...
java docx文件合并合并成一个大docx文件
为了合并多个docx文件成一个大的docx文件,你可以使用 Apache POI 库. Apache POI 是一个开源的 Java 库,可以用于读写 Microsoft Office 文件格式.你可 ...
java docx 内存溢出_第2章 Java内存区域与内存溢出异常
本章主要介绍了Java的内存区域以及会触发对应区域内存溢出的触发条件及表现结果.同时还对java对象的内存布局进行了简单的讲解. 2.2 运行时数据区域: 比较直观的一张图来表示: Java虚拟机运行 ...
java docx转pdf_如何在Java中将DOCX转换为PDF
自从Microsoft Word 2003中引入DOCX格式以来,由于其易于编辑和深入的设计选择,DOCX格式一直在全球各地的办公室中享有很高的知名度.但是9当涉及到兼容性,尤其是最终用户的查看一致性 ...
java docx word api_javadoc生成word接口文档
PHP 5.4 on CentOS/RHEL 6.4 and 5.9 via Yum PHP 5.4 on CentOS/RHEL 6.4 and 5.9 via Yum PHP 5.4.16 has ...

java docx转html

前言