POI读取word转换html

最新推荐文章于 2022-04-28 16:04:31 发布
最新推荐文章于 2022-04-28 16:04:31 发布
阅读量729 收藏
点赞数
分类专栏： java 文章标签： java

apache POI读取word文档的文档比较少,所以只有自己慢慢的摸索,这篇文章也属于比较基础入门的,主要是针对读取word中的图片,以及文字的各种样式,如有不好的地方,请各位多多指教! 


/**
 * 
 */
package com.util;

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.io.OutputStreamWriter;

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.model.PicturesTable;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.Range;

/**
 * 
 * @author 张廷 下午10:36:40
 * 
 */
public class WordToHtml {

	/**
	 * 回车符ASCII码
	 */
	private static final short ENTER_ASCII = 13;

	/**
	 * 空格符ASCII码
	 */
	private static final short SPACE_ASCII = 32;

	/**
	 * 水平制表符ASCII码
	 */
	private static final short TABULATION_ASCII = 9;

	private String htmlText = "";

	/**
	 * 读取每个文字样式
	 * 
	 * @param fileName
	 * @throws Exception
	 */
	public void getWordAndStyle(String fileName) throws Exception {

		FileInputStream in = new FileInputStream(new File(fileName));

		HWPFDocument doc = new HWPFDocument(in);

		// 取得文档中字符的总数
		int length = doc.characterLength();

		// 创建图片容器
		PicturesTable pTable = doc.getPicturesTable();

		htmlText = "<html><head><title>" + doc.getSummaryInformation().getTitle() + "</title></head><body>";

		// 创建临时字符串,好加以判断一串字符是否存在相同格式

		String tempString = "";

		for (int i = 0; i < length - 1; i++) {
			// 整篇文章的字符通过一个个字符的来判断,range为得到文档的范围
			Range range = new Range(i, i + 1, doc);

			CharacterRun cr = range.getCharacterRun(0);

			if (pTable.hasPicture(cr)) {

				// 读写图片
				this.readPicture(pTable, cr);

			} else {

				Range range2 = new Range(i + 1, i + 2, doc);

				// 第二个字符
				CharacterRun cr2 = range2.getCharacterRun(0);

				// 当前字符
				char currentChar = cr.text().charAt(0);

				// 判断是否为回车符
				if (currentChar == ENTER_ASCII)
					tempString += "<br/>";
				// 判断是否为空格符
				else if (currentChar == SPACE_ASCII)
					tempString += " ";
				// 判断是否为水平制表符
				else if (currentChar == TABULATION_ASCII)
					tempString += "    ";
				// 比较前后2个字符是否具有相同的格式
				boolean flag = compareCharStyle(cr, cr2);

				String fontStyle = "<span style='font-family:" + cr.getFontName() + ";font-size:" + cr.getFontSize() / 2 + "pt;";

				if (cr.isBold())
					fontStyle += "font-weight:bold;";
				if (cr.isItalic())
					fontStyle += "font-style:italic;";

				if (flag && i != length - 2)
					tempString += currentChar;
				else if (!flag) {
					htmlText += fontStyle + "'>" + tempString + currentChar + "</span>";
					tempString = "";
				} else
					htmlText += fontStyle + "'>" + tempString + currentChar + "</span>";
			}
		htmlText += "</body></html>";

		this.writeFile(htmlText);
	}

	/**
	 * 读写文档中的图片
	 * 
	 * @param pTable
	 * @param cr
	 * @throws Exception
	 */
	private void readPicture(PicturesTable pTable, CharacterRun cr) throws Exception {
		// 提取图片
		Picture pic = pTable.extractPicture(cr, false);

		// 返回POI建议的图片文件名
		String afileName = pic.suggestFullFileName();

		OutputStream out = new FileOutputStream(new File("g:\\test" + File.separator + afileName));

		pic.writeImageContent(out);

		htmlText += "<img src='g:\\test\\" + afileName + "'/>";
	}

	private boolean compareCharStyle(CharacterRun cr1, CharacterRun cr2) {
		boolean flag = false;
		if (cr1.isBold() == cr2.isBold() && cr1.isItalic() == cr2.isItalic() && cr1.getFontName().equals(cr2.getFontName()) && cr1.getFontSize() == cr2.getFontSize()) {
			flag = true;
		}
		return flag;
	}

	/**
	 * 写文件
	 * 
	 * @param s
	 */
	private void writeFile(String s) {
		FileOutputStream fos = null;
		BufferedWriter bw = null;
		try {
			File file = new File("g:\\abc.html");
			fos = new FileOutputStream(file);
			bw = new BufferedWriter(new OutputStreamWriter(fos));
			bw.write(s);
		} catch (FileNotFoundException fnfe) {
			fnfe.printStackTrace();
		} catch (IOException ioe) {
			ioe.printStackTrace();
		} finally {
			try {
				if (bw != null)
					bw.close();
				if (fos != null)
					fos.close();
			} catch (IOException ie) {
			}
		}
	}
}




转自： http://z276356445t.iteye.com/blog/963950

爱吃肉的兔儿
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
word转换成html
技术小窝
06-17 2208
一.概述 将word转换成html，然后在qt中将html显示出来。 其中先要将word文档解析成xml文档，这里需要base64方法，具体介绍如下: Base64是一种基于64个可打印字符来表示二进制数据的表示方法。由于2的6次方等于64，所以每6个位元为一个单元，对应某个可打印字符。三个字节有24个位元，对应于4个Base64单元，即3个字节需要用4个可打印字符来表示。它可用来作为电子邮
word转换成html（poi）
willie_chen的专栏
08-17 721
使用word转换成html常见问题：版本、图片无法显示问题。 版本 异常：(The supplied data appears to be in the Office 2007+ XML. You are calling the part of POI that deals with OLE2 Office Documents. You need to call a different part...
word解析为HTML--POI解析
03-23
POI （word解析为HTML格式角度） 1、优点：集成容易，操作简单，开源 2、缺点：功能较弱，API支持能力有限，word公式容易丢失，悬浮图片容易丢失 demo可以直接运行，大家可下载运行
Android 使用POI生成Word并转成Html进行预览的一些问题的记录
LspFighting的博客
11-01 4816
网上有很多资源，但我建议看这篇文章 这里面其实讲的很细，我遇到的问题一下： 不要使用4.x的版本，会把你坑的你哭都来不及 生成word和转Html就使用一下配置： android { ... packagingOptions { exclude 'META-INF/LICENSE' exclude 'META-INF/NOTICE' exclu...
android docx转html,使用POI将office（doc/docx/ppt/pptx/xls/xlsx）文件转html格式（附带源码）...
weixin_42501904的博客
05-27 643
妹子我写代码很辛苦/(ㄒoㄒ)/~~，转载请标明出处哦~http://blog..net/u011791526/article/details/73250358本项目使用poi将office文档转为html文件，使用java代码实现，移植到android处理速度很慢，请慎用android端打开office文档可参考我上一篇文章：Android打开doc、xlsx、ppt等office文档解决方案...
利用POI将word转换成html实现在线阅读
01-24
"利用POI将word转换成html实现在线阅读"这个话题涉及到的关键技术包括Apache POI库、Word文档（word2003）的解析、HTML的生成以及可能的图形转换（wmf2png）。以下是对这些知识点的详细说明： 1. **Apache POI**：...
Java+SpringBoot+POI进行word2html转换
08-26
使用POI对word文件内容进行html转换，并支持对目录进行提取，提取后保留目录原本的超链接格式，且转换后的html保留原有word样式。 适合人群：具备一定编程基础，工作1-3年的研发人员 能学到什么：可以学习到word文档...
Java使用poi将word转换为html
08-31
在本文中，我们将深入探讨如何使用POI将Word文档转换为HTML格式。这个过程对于那些需要在网页上展示Word内容或者在不使用Office软件的情况下处理Word文档的应用程序尤其有用。 首先，我们需要在项目中引入Apache ...
使用POI将word文档转出HTML
nuoyahadili8的博客
04-17 341
POM.XML配置文件 <!--wordToHtml--> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>3.14</version> </...
poi 读取word内容转html在线预览
Mr_Wanter
04-15 2080
文章目录前言一、java代码实现二、坑爹问题1.找不到方法2.NoSuchMethodError getPackageRelationship3.中文乱成这样，是什么鬼 前言 word内容预览步骤： word 数据读取 word 内容数据格式保留 注：本篇word基于2007 docx格式(doc格式没写)，且文件保存地址为minio服务器。 一、java代码实现 public String perviewDocx(String bucket, String objectName) throw
apache poi 读取word 转html
神聪程序
09-09 447
java POI word 导入解析成html 引入poi包 文件可以是 MultipartFile vacationList (从web上传过来的) 也可以写固定路径 直接 new FileInputStream (文件地址的形式获取) 直接上关键代码： /** * word导入成html， * @param request * @param vacationList 导入的文件 * @return */ @Override pu
poi实现word转html
weixin_43086086的博客
12-10 2324
一、简介 一般word文件后缀有doc、docx两种。docx是office word 2007以及以后版本文档的扩展名；doc是office word 2003文档保存的扩展名。对于这两种格式的word转换成html需要使用不同的方法。 对于docx格式的文档使用xdocreport进行转换。依赖如下： <dependency> <groupId>fr.opensagres.xdocreport</groupId> <artifactId>f
Java使用POI将docx文件转为html
qq_44717657的博客
04-28 4768
使用POI将word的docx文件转为html
使用poi解析word转html，并处理word中图片
胡辣汤麻辣烫的博客
05-26 2353
最近有word转html功能的需求，收费第三方不用，网上免费的poi 教程有的阉割了图片处理，有的版本太老，真是一步一个坑，记录一下，贴出来解决办法，分享一下自己的工具类代码，示例。 简单说一下遇到的坑： word转html第三方服务收费。（解决办法：使用poi） poi转出的html内容有问题，比如序号1.变成%1。（解决办法：升级poi版本） word转html图片处理（docx直接获取） doc格式图片不好获取。（解决办法：先存到本地（也可以直接存到想存的地方）） (个人需求)doc格式返回到编辑.
java POI实现word转html（doc、docx）
qq_35719898的博客
01-14 1526
word内容读取为html 背景： 需要将word内容导入到富文本，工具类包含了doc和docx文件读取。 工具类 WordToHtml.java： import fr.opensagres.poi.xwpf.converter.core.ImageManager; import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter; import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
解析word文档，获取相应的数据，并封装成相应的javaBean(一)
dongyuancaizi的博客
11-19 767
在实际开发环境中，我们经常会向数据库导入数据，但是通常都会从页面获取数导入数据库，但是这种方式效率低下，有时并不能满足我们的实际需求，因此我们需要将word文本中的数据解析出来，然后封装成相应的javaBean,这样通常效率更高。因此，作为一个java开发工程师，这可能是我们必备的技能，我这里使用的apache组织的开源框架poi解析word文档，这里只展示最初级的读取（文档中无图片，无公式），后续
Apache POI将HTML转换成Word
最新发布
05-23
Apache POI是一个Java库，可以用来创建、读取和操作Microsoft Office格式的文件，包括Word文档。在使用POI将HTML转换成Word时，可以使用以下步骤： 1. 创建一个空的Word文档对象，可以使用XWPFDocument类来实现。 2. 使用HTML转换工具将HTML代码转换成XWPFDocument对象。 3. 将XWPFDocument对象保存为Word文档，可以使用FileOutputStream类来实现。 下面是一个示例代码，用于将HTML代码转换成Word文档： ``` import java.io.*; import org.apache.poi.xwpf.usermodel.*; public class HtmlToWord { public static void main(String[] args) throws Exception { // 创建一个空的Word文档对象 XWPFDocument document = new XWPFDocument(); // 将HTML代码转换成XWPFDocument对象 String html = "<html><body><h1>Hello World!</h1></body></html>"; InputStream in = new ByteArrayInputStream(html.getBytes("UTF-8")); XWPFHtmlConverter.convert(in, document); // 将XWPFDocument对象保存为Word文档 FileOutputStream out = new FileOutputStream(new File("output.docx")); document.write(out); out.close(); } } ``` 注意，使用POI将HTML转换成Word时，可能会存在一些格式上的差异，因为Word和HTML的标记语言有所不同。因此，需要进行一些手动调整，以确保转换后的Word文档符合预期的格式。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值