快捷導(dǎo)航

關(guān)于Java實(shí)現(xiàn)word(docx、doc)轉(zhuǎn)html的完美解決方案

更新時(shí)間：2025年01月26日 10:32:25 作者：WAZYY0619

文章介紹了多種將Word文檔轉(zhuǎn)換為HTML的方法,包括使用Microsoft Word自帶的導(dǎo)出功能、第三方工具和編程實(shí)現(xiàn),展示了如何實(shí)現(xiàn)將.docx文件轉(zhuǎn)換為HTML文件,并自動(dòng)生成目錄、處理分頁符和增強(qiáng)表格樣式等功能,感興趣的朋友一起看看吧

一、關(guān)于word轉(zhuǎn)換html大致都有哪些方法？

（1）使用 Microsoft Word 導(dǎo)出

其實(shí)該方法就是使用word本身導(dǎo)出方案

操作步驟：

在 Microsoft Word 中打開文檔。
點(diǎn)擊文件 > 另存為或導(dǎo)出。
選擇保存類型為網(wǎng)頁(.html, .htm)。
保存文件后，會(huì)生成一個(gè) HTML 文件（有時(shí)會(huì)附帶一個(gè)文件夾用于存放圖片等資源）。

優(yōu)點(diǎn)：

保留了文檔的大部分格式。
操作簡單，無需其他工具。

缺點(diǎn)：

導(dǎo)出的 HTML 文件代碼較冗余，包含許多與 Word 相關(guān)的樣式和標(biāo)簽。

（2）使用第三方工具或在線轉(zhuǎn)換工具

一般常見的有SmallPDF、Zamzar、Convertio、LibreOffice等在線工具或軟件進(jìn)行轉(zhuǎn)換

優(yōu)點(diǎn)：

方便快捷，適合大多數(shù)人使用。
有些工具可以清理冗余代碼，生成更簡潔的 HTML。

缺點(diǎn)：

在線工具可能存在隱私和安全風(fēng)險(xiǎn)。
某些工具可能無法完全保留復(fù)雜文檔的格式。

（3）使用編程實(shí)現(xiàn)自動(dòng)化轉(zhuǎn)換

常見的編程實(shí)現(xiàn)有：

Python：
- 使用 python-docx 庫讀取 .docx 文件，再用自定義邏輯生成 HTML。
- 使用 mammoth 庫，專門將 .docx 轉(zhuǎn)為干凈的 HTML（推薦）。
- 使用 pywin32 調(diào)用 Windows COM 接口操作 Microsoft Word。
Java：
- 使用 Apache POI 的 XWPF 模塊解析 .docx 文件并輸出 HTML。
Node.js：
- 使用 officegen 或 mammoth.js 轉(zhuǎn)換 .docx 文件。
C#：
- 使用 OpenXML SDK 或 Interop.Word 來操作 Word 文件并轉(zhuǎn)換為 HTML。

本此講解的就是通過java的poi內(nèi)的模塊進(jìn)行解析輸出html

二、docx轉(zhuǎn)換html

示例代碼如下：

public static void docxtoHtml(String fileName, String outPutFile) throws TransformerException, IOException, ParserConfigurationException {
    long startTime = System.currentTimeMillis();
    XWPFDocument document = new XWPFDocument(new FileInputStream(fileName));
    // 用于存儲(chǔ)目錄內(nèi)容
    StringBuilder toc = new StringBuilder();
    toc.append("<div id='toc'>\n<ul>\n");  // 直接從 <ul> 開始，表示目錄
    // 遍歷文檔中的段落，查找目錄項(xiàng)
    List<XWPFParagraph> paragraphs = document.getParagraphs();
    int tocLevel = 0; // 目錄的當(dāng)前級(jí)別，1代表一級(jí)目錄，2代表二級(jí)目錄，3代表三級(jí)目錄
    boolean tocStarted = false; // 標(biāo)記目錄是否開始
    for (XWPFParagraph paragraph : paragraphs) {
        String style = paragraph.getStyle();  // 獲取段落樣式
        String text = paragraph.getText();  // 獲取段落文本
        // 根據(jù)段落的樣式級(jí)別來識(shí)別目錄項(xiàng)，假設(shè)標(biāo)題樣式為 Heading 1, Heading 2, Heading 3
        if (style != null) {
            if (style.equals("Heading 1")) {  // 一級(jí)標(biāo)題
                if (tocStarted) {
                    toc.append("</ul>\n"); // 關(guān)閉上一級(jí)目錄
                }
                toc.append("<ul>\n");  // 開始一個(gè)新的無序列表
                toc.append("<li><a href='#" + text.hashCode() + "'>" + text + "</a></li>\n");
                tocLevel = 1;
                tocStarted = true;
            } else if (style.equals("Heading 2")) {  // 二級(jí)標(biāo)題
                if (tocLevel == 1) {
                    toc.append("<ul>\n");  // 開始二級(jí)目錄
                }
                toc.append("<li><a href='#" + text.hashCode() + "'>" + text + "</a></li>\n");
                tocLevel = 2;
            } else if (style.equals("Heading 3")) {  // 三級(jí)標(biāo)題
                if (tocLevel == 2) {
                    toc.append("<ul>\n");  // 開始三級(jí)目錄
                }
                toc.append("<li><a href='#" + text.hashCode() + "'>" + text + "</a></li>\n");
                tocLevel = 3;
            }
        }
        // 在目錄項(xiàng)前插入錨點(diǎn)
        if (style != null && (style.equals("Heading 1") || style.equals("Heading 2") || style.equals("Heading 3"))) {
            String anchor = "<a name='" + text.hashCode() + "'></a>";
            String modifiedText = anchor + text;  // 在目錄項(xiàng)文本前添加錨點(diǎn)
            // 更新段落中的文本
            for (XWPFRun run : paragraph.getRuns()) {
                run.setText(modifiedText, 0); // 更新段落內(nèi)容
            }
        }
    }
    // 如果目錄結(jié)束后，確保關(guān)閉所有的<ul>標(biāo)簽
    if (tocLevel > 0) {
        toc.append("</ul>\n");
    }
    toc.append("</ul>\n</div>\n");  // 關(guān)閉最外層的 <ul> 和 <div>
    // 設(shè)置XHTMLOptions
    XHTMLOptions options = XHTMLOptions.create().indent(4);
    File imageFolder = new File(tempPath);  // 圖片臨時(shí)文件夾路徑
    options.setExtractor(new FileImageExtractor(imageFolder));
    options.URIResolver(new FileURIResolver(imageFolder));
    // 使用 `XHTMLConverter` 進(jìn)行 DOCX 到 HTML 的轉(zhuǎn)換
    ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
    XHTMLConverter.getInstance().convert(document, byteArrayOutputStream, options);
    System.out.println("Generate " + outPutFile + " with " + (System.currentTimeMillis() - startTime) + " ms.");
    // 獲取轉(zhuǎn)換后的HTML內(nèi)容
    String htmlContent = new String(byteArrayOutputStream.toByteArray(), "UTF-8");
    // 將TOC插入到HTML的開頭
    htmlContent = toc + htmlContent;
    // 處理分頁符：將分頁符添加到HTML中
    htmlContent = htmlContent.replaceAll("<!-- PAGE_BREAK -->", "<div class='page-break'></div>");
    // 添加表格樣式（邊框）
    htmlContent = htmlContent.replaceAll("<table>", "<table style='border: 1px solid black !important; border-collapse: collapse; width: 100%;'>");
    htmlContent = htmlContent.replaceAll("<td>", "<td style='border: 1px solid black !important; padding: 5px; text-align: left;'>");
    htmlContent = htmlContent.replaceAll("<th>", "<th style='border: 1px solid black !important; padding: 5px; text-align: left;'>");
    htmlContent = htmlContent.replaceAll("<tr>", "<tr style='border: 1px solid black !important;'>");
    htmlContent = htmlContent.replaceAll("<thead>", "<thead style='border: 1px solid black !important;'>");
    htmlContent = htmlContent.replaceAll("<tbody>", "<tbody style='border: 1px solid black !important;'>");
    htmlContent = htmlContent.replaceAll("<tfoot>", "<tfoot style='border: 1px solid black !important;'>");
    // 增加全局CSS樣式（確保表格和目錄樣式正確）
    String style = "<style>\n" +
                   "table { border: 1px solid black !important; border-collapse: collapse; width: 100%; }\n" +
                   "td, th { border: 1px solid black !important; padding: 5px; text-align: left; }\n" +
                   "tr { border: 1px solid black !important; }\n" +
                   "ul { list-style-type: none; padding: 0; }\n" + // 去掉默認(rèn)的列表樣式
                   "li { margin: 5px 0; }\n" + // 設(shè)置目錄項(xiàng)的間距
                   "</style>\n";
    htmlContent = style + htmlContent;
    // 將最終的HTML內(nèi)容寫入文件
    writeFile(htmlContent, outPutFile);
}

該方法功能實(shí)現(xiàn)：

將 .docx 文件轉(zhuǎn)換為 HTML 文件。
自動(dòng)生成基于文檔標(biāo)題的目錄 (TOC)。
為標(biāo)題添加錨點(diǎn)鏈接，支持 HTML 頁面內(nèi)跳轉(zhuǎn)。
處理分頁符，將其轉(zhuǎn)換為 HTML 的 <div> 元素。
增強(qiáng)表格樣式，添加邊框和對(duì)齊（有時(shí)原表格css樣式轉(zhuǎn)換后會(huì)被覆蓋掉）。
為 HTML 頁面添加全局 CSS 樣式，保證視覺效果統(tǒng)一。

三、doc轉(zhuǎn)換html

示例代碼如下：

public static void doctoHtml(String fileName, String outPutFile) throws TransformerException, IOException, ParserConfigurationException {
    // 開始計(jì)時(shí)
    long startTime = System.currentTimeMillis();
    // 讀取 Word 文檔
    HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(fileName));
    // 創(chuàng)建 Word 轉(zhuǎn) HTML 轉(zhuǎn)換器
    WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument());
    // 圖片保存路徑設(shè)置
    String imageFolderPath = tempPath + "images" + File.separator;  // 存儲(chǔ)圖片的絕對(duì)路徑
    // 設(shè)置圖片管理器，處理圖片保存邏輯
    wordToHtmlConverter.setPicturesManager(new PicturesManager() {
        public String savePicture(byte[] content, PictureType pictureType, String suggestedName, float widthInches, float heightInches) {
            String picturePath = imageFolderPath + suggestedName;  // 圖片保存路徑
            File imageFolder = new File(imageFolderPath);
            if (!imageFolder.exists()) {
                boolean created = imageFolder.mkdirs(); // 創(chuàng)建圖片文件夾
                if (created) {
                    System.out.println("在以下位置創(chuàng)建圖片文件夾：" + imageFolder.getAbsolutePath());
                } else {
                    System.out.println("創(chuàng)建圖片文件夾失敗");
                }
            }
            try {
                File pictureFile = new File(picturePath);
                try (FileOutputStream fos = new FileOutputStream(pictureFile)) {
                    fos.write(content);  // 寫入圖片數(shù)據(jù)
                    System.out.println("圖片保存路徑" + pictureFile.getAbsolutePath());
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
            return picturePath;  // 返回圖片路徑
        }
    });
    // 處理文檔內(nèi)容，轉(zhuǎn)換為 HTML
    wordToHtmlConverter.processDocument(wordDocument);
    // 獲取生成的 HTML 文檔
    Document htmlDocument = wordToHtmlConverter.getDocument();
    // 自定義分頁符處理：查找文檔中的分頁符并插入到 HTML 中
    NodeList bodyNodes = htmlDocument.getElementsByTagName("body");
    if (bodyNodes.getLength() > 0) {
        Node bodyNode = bodyNodes.item(0);  // 獲取 HTML 中的 <body> 節(jié)點(diǎn)
        NodeList paragraphs = bodyNode.getChildNodes();
        for (int i = 0; i < paragraphs.getLength(); i++) {
            Node paragraph = paragraphs.item(i);
            if (paragraph.getNodeType() == Node.ELEMENT_NODE && paragraph.getNodeName().equals("p")) {
                String innerText = paragraph.getTextContent();
                if (innerText.contains("\f")) {  // 檢查是否包含分頁符（\f）
                    // 創(chuàng)建自定義分頁符 HTML 元素
                    Element pageBreak = htmlDocument.createElement("div");
                    pageBreak.setAttribute("class", "page-break");  // 設(shè)置 class 屬性，方便樣式控制
                    pageBreak.appendChild(htmlDocument.createTextNode(" "));
                    // 在分頁符前插入自定義分頁符標(biāo)記
                    bodyNode.insertBefore(pageBreak, paragraph);
                }
            }
        }
    }
    // 將 HTML 文檔輸出為字節(jié)流
    ByteArrayOutputStream out = new ByteArrayOutputStream();
    DOMSource domSource = new DOMSource(htmlDocument);
    StreamResult streamResult = new StreamResult(out);
    // 使用 Transformer 進(jìn)行 HTML 格式化輸出
    TransformerFactory tf = TransformerFactory.newInstance();
    Transformer serializer = tf.newTransformer();
    serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");  // 設(shè)置編碼為 UTF-8
    serializer.setOutputProperty(OutputKeys.INDENT, "yes");  // 格式化輸出
    serializer.setOutputProperty(OutputKeys.METHOD, "html");  // 輸出格式為 HTML
    serializer.transform(domSource, streamResult);
    out.close();
    // 將字節(jié)流轉(zhuǎn)換為字符串
    String htmlContent = new String(out.toByteArray());
    // 處理特殊標(biāo)記符，例如去掉目錄標(biāo)記（根據(jù)需要調(diào)整）
    htmlContent = htmlContent.replaceAll("TOC \\\\o \"1-3\" \\\\h \\\\z \\\\u", "");
    // 將生成的 HTML 內(nèi)容寫入文件
    writeFile(htmlContent, outPutFile);
    // 輸出生成文件的信息及用時(shí)
    System.out.println("Generate " + outPutFile + " with " + (System.currentTimeMillis() - startTime) + " ms.");
}

該方法功能實(shí)現(xiàn)：

將 .doc 格式的 Word 文檔轉(zhuǎn)換為 HTML 文件。
提取并保存文檔中的圖片到指定路徑，并在 HTML 中插入圖片引用。
處理分頁符，將分頁符（\f）替換為自定義的 HTML 標(biāo)記。
格式化生成的 HTML 文件，便于閱讀和使用。

到此這篇關(guān)于關(guān)于java實(shí)現(xiàn)word（docx、doc）轉(zhuǎn)html的解決方案的文章就介紹到這了,更多相關(guān)java word轉(zhuǎn)html內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: