使用忠告
使用該方式進行xhtml到word的轉換, 簡單轉換是可以, 但是可能并沒有想象中那么滿意, 轉換出來的word格式并不完美, 比如目錄和標題都會丟失, 標題顯示看起來一樣, 但是是用正文加粗和加大字號來顯示的. 畢竟word是一種文檔格式, 而html是一種標記性語言, 要想實現完美兼容和轉換很難
加上word與html互轉(2) -- html轉word, 雖然word與html互轉都有實現手段, 但是考慮到轉換的格式復雜度和后期的維護成本, 我們最后放棄去實現這個成本高但是對項目影響不大的功能
其中word轉html功能實現中, 轉出的html的格式并沒有想象中的好, 某些樣式是通過class樣式來顯示的, 并不全是行內樣式, 并且html所有文本標簽都是使用的p標簽, 包括標題.
實現
實現方式
我在網上搜集了很多實現方式, 各式各樣的, 最后我決定使用poi+xdocreport來實現
poi都熟悉, 這邊我不作介紹
xdocreport是github上的一個開源項目, 他的具體介紹可以去他的項目地址查看--項目地址, 選擇這個開源項目主要有以下幾個原因:
????1. 他是開源的(免費)
????2項目本身模塊化, 我們可以只引用需要的功能(輕量化)
????3.轉換是基于poi的轉換進行補充擴展的,感覺比poi原生的更好一些(emm...沒驗證)
????4.使用簡單便捷
這里只使用了xdocreport的轉換器功能, 可以點這里直接查看對應的wiki
引入相關程序包
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>fr.opensagres.poi.xwpf.converter.xhtml</artifactId>
<version>2.0.1</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>ooxml-schemas</artifactId>
<version>1.3</version>
</dependency>
docx轉html
public static void main(String[] args) {
String fileInName = "test.docx";
XWPFDocument document = null;
try {
document = new XWPFDocument(new FileInputStream(fileInName));
XHTMLOptions options = XHTMLOptions.create();
options.setImageManager( new ImageManager(new File(""), "") {
@Override
public void extract(String imagePath, byte[] imageData) throws IOException {
System.out.println("這里上傳圖片到圖片服務器");
}
@Override
public String resolve(String uri) {
return "https://csdnimg.cn/pubfooter/images/csdn_cs_qr.png";
}
});
StringWriter stringWriter = new StringWriter();
// XHTMLConverter.getInstance().convert( document, out, options );
XHTMLConverter xhtmlConverter = (XHTMLConverter) XHTMLConverter.getInstance();
xhtmlConverter.convert(document, stringWriter, options);
} catch (IOException e) {
e.printStackTrace();
}
}
上面我自己寫的示例跟官方的示例有所區別, 下面我貼出官方示例然后在進行解釋
/**
* 官方示例
*/
import org.apache.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.converter.xhtml.XHTMLConverter;
...
// 1) Load DOCX into XWPFDocument
InputStream in= new FileInputStream(new File("HelloWord.docx"));
XWPFDocument document = new XWPFDocument(in);
// 2) Prepare XHTML options (here we set the `ImageManager` to store image and resolve iamge src)
XHTMLOptions options = XHTMLOptions.create().setImageManager( new ImageManager( new File(root), "images" ) );
// 3) Convert XWPFDocument to XHTML
OutputStream out = new FileOutputStream(new File("HelloWord.htm"));
XHTMLConverter.getInstance().convert(document, out, options);
跟官方不一樣的地方的解釋
1.在給XHTMLOption設置圖片管理器對象的時候
官方是直接設置了一個圖片路徑, 生成的html里面的圖片引用指向的是設 置的路徑, 而我這邊有專門的文件服務器, 所以需要將里面的圖片上傳到圖片服務器中, 然后將html中圖片的引用指向文件服務器, 所以我重寫了圖片管理器的代碼, 將其中保存圖片和給html中圖片引用換成了自己的實現
XHTMLOptions options = XHTMLOptions.create();
options.setImageManager( new ImageManager(new File(""), "") {
@Override
public void extract(String imagePath, byte[] imageData) throws IOException {
System.out.println("這里上傳圖片到圖片服務器");
}
@Override
public String resolve(String uri) {
return "https://csdnimg.cn/pubfooter/images/csdn_cs_qr.png";
}
});
2.轉換并保存html的時候
官方示例是將html保存成文件到一個路徑下面, 而我的需求并不是保存文件, 而是要將生成的html分段下沉到DB, 所以可以在這里
StringWriter stringWriter = new StringWriter();
XHTMLConverter xhtmlConverter = (XHTMLConverter) XHTMLConverter.getInstance();
xhtmlConverter.convert(document, stringWriter, options);
將官方示例的文件輸出流換成自己的StringWriter就可以了(你也可以換成自己需要的流), 我這樣替換就可以拿到html的字符串, 接著就可以使用jsoup進行html的解析并分段存儲了
doc轉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是圖片內容, 這里將圖片保存到圖片服務器, 然后將保存的圖片路徑返回
//同樣, 你也可以將圖片保存到本地相對路徑, 然后將相對路徑返回, html也能正常顯示圖片
return "https://csdnimg.cn/pubfooter/images/csdn_cs_qr.png";
});
wordToHtmlConverter.processDocument(hwpfDocument);
Transformer transformer = TransformerFactory.newInstance()
.newTransformer();
//指定Transformer在輸出結果樹時是否可以添加額外的空格
transformer.setOutputProperty(OutputKeys.INDENT, "yes");
//指定輸出編碼
transformer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
transformer.setOutputProperty(OutputKeys.METHOD, "html");
//這里是希望將轉換后的流最終輸出到字符串進行返回, 如果你希望直接輸出文件, 你可以創建一個文件流放進下面的參數
StringWriter stringWriter = new StringWriter();
transformer.transform(new DOMSource(wordToHtmlConverter.getDocument()), new StreamResult(stringWriter));
return stringWriter.toString();
}
示例代碼比較簡單, 但是已經具備轉換的功能, 需要注意和可能變動的點我在代碼注釋中已經說明, 可以根據需求來修改圖片的保存和最后輸出的結果
