POI html 转为 word文档

写在前面，感谢原创大佬WBOY，原文地址：poi html 转 word-前端问答-PHP中文网

如有侵权联系删除 

随着互联网信息技术的不断发展，我们越来越多地需要将HTML页面转化为Word文档进行编辑、排版、打印等工作。本文将介绍如何使用POI库将HTML页面转化为Word文档，并提供一些实用的代码示例。

一、POI简介

POI即“Poor Obfuscation Implementation”的缩写，它是Apache软件基金会下的一个开源项目，致力于为Microsoft Office（包括Word、Excel、PowerPoint等）开发出一套Java API。目前，POI已经成为了Java开发中创建、读/写Microsoft Office文档的标准库之一，有很多Java程序都使用它来操作Office文档。

二、POI创建Word文档基本流程

在使用POI来创建Word文档之前，我们需要先了解一下其创建Word文档的基本流程。

1、创建一个空的Word文档

通过使用POI提供的XWPFDocument类来创建一个空的Word文档。

XWPFDocument doc = new XWPFDocument();

2、操作Word文档内容

通过POI提供的XWPFParagraph、XWPFRun类实现对Word文档内容的操作，具体包括：

（1）创建段落

XWPFParagraph para = doc.createParagraph();

（2）创建文字

XWPFRun run = para.createRun();
run.setText("Hello World!");

 

3、将Word文档写入文件

使用XWPFDocument类提供的write方法将Word文档写入文件。

FileOutputStream out = new FileOutputStream("output.docx"); 

doc.write(out);  

 out.close();

 

三、HTML转Word文档

上面我们已经简单介绍了使用POI创建一个Word文档的基本流程。下面我们将介绍如何使用POI将HTML页面转化为Word文档。

1、获取HTML页面内容

我们可以使用Java提供的URLConnection类来获取HTML页面的内容，如下所示：

此处可以替换为自己拼接起来的html字符串。

String urlStr = "http://www.baidu.com";
URL url = new URL(urlStr);
URLConnection conn = url.openConnection();
InputStream is = conn.getInputStream();
BufferedReader br = new BufferedReader(new InputStreamReader(is));
String line = null;
StringBuffer sb = new StringBuffer();
while((line = br.readLine()) != null){
    sb.append(line);
}  
String html = sb.toString();

 

2、HTML页面解析

将获取到的HTML页面内容进行解析，采用Jsoup库来实现HTML页面的解析，如下所示：

 Document docHtml = Jsoup.parse(html);

 

3、Word文档内容创建

（1）创建空白Word文档，使用POI的XWPFDocument类

XWPFDocument docx = new XWPFDocument();

（2）获取HTML页面中的所有段落 

此处为根据html中的<p>标签获取。

 Elements parags = docHtml.getElementsByTag("p");

 （3）将HTML页面的段落转换为Word文档的段落

 for(Element p : parags){
    XWPFParagraph paragraph = docx.createParagraph();// 新建一个段落
    XWPFRun run = paragraph.createRun();// 在该段落中创建一个文本片段，即 XWPFRun
    run.setText(p.text());// 设置该文本片段的文字内容
}

4、将Word文档写入磁盘

 最后，我们将创建好的Word文档写入磁盘以便后续使用。

OutputStream os = new FileOutputStream("output.docx");
docx.write(os);
os.close();

四、完整代码示例

下面是一个完整的HTML页面转换为Word文档的代码示例：

 

import java.io.*;
import java.net.*;
import org.jsoup.*;
import org.jsoup.nodes.*;
import org.jsoup.select.*;
import org.apache.poi.*;
import org.apache.poi.xwpf.usermodel.*;

public class Html2Word {
    public static void main(String[] args) throws Exception {
        String urlStr = "http://www.baidu.com"; //待转换的HTML页面链接地址
        URL url = new URL(urlStr);
        URLConnection conn = url.openConnection();
        InputStream is = conn.getInputStream();
        BufferedReader br = new BufferedReader(new InputStreamReader(is));
        String line = null;
        StringBuffer sb = new StringBuffer();
        while((line = br.readLine()) != null){
            sb.append(line);
        }
        String html = sb.toString();
        Document docHtml = Jsoup.parse(html);
        Elements parags = docHtml.getElementsByTag("p"); //获取HTML页面中的所有段落
        XWPFDocument docx = new XWPFDocument(); //使用POI的XWPFDocument类创建空白Word文档
        for(Element p : parags){
            XWPFParagraph paragraph = docx.createParagraph(); //新建一个段落
            XWPFRun run = paragraph.createRun(); //在该段落中创建一个文本片段，即 XWPFRun
            run.setText(p.text()); //设置该文本片段的文字内容
        }
        OutputStream os = new FileOutputStream("output.docx");
        docx.write(os);
        os.close();
    }
}

五、总结

通过以上介绍，我们可以看出使用POI将HTML页面转化为Word文档是一种十分实用的功能，它可以帮助我们在日常工作中快速、准确地实现对各种文本内容的处理。POI封装了Java一些操作Office软件的API，能够帮助我们更加方便地操作Word、Excel等文档格式，提高我们的工作效率，为我们的工作带来更多的便捷。