java poi word转html_Java：POI方式实现Word转html/htm

这里就不对POI做过多的说明了，贴个官网 https://poi.apache.org/，随意看看。

首先搞清楚下要将doc/docx文档转成html/htm的话要怎么处理，根据POI的文档，我们可以知道，处理doc 格式文件对应的 POI API 为 HWPF、docx 格式为 XWPF。此处参考下这篇好文：http://www.open-open.com/lib/view/open1389594797523.html 在格式转换上说得很清楚。

所以整体就是：根据文档类型，doc我们用HWPF对象处理转换、docx用XWPF对象处理转换。

一、处理doc。

这个相对简单，网上一查一堆，我的代码也是根据网上的做下自己的优化和逻辑。

因为POI很早前就可以支持doc的处理，所以资料比较多。

思路就是：HWPFDocument对象实例化文件流 -> WordToHtmlConverter对象处理HWPFDocument对象及预处理页面的图片等(主要是图片)

文档说明是：

Converts Word files (95-2007) into HTML files.

This implementation doesn't create images or links to them. This can be changed by overriding AbstractWordConverter.processImage(Element, boolean, Picture) method.

-> org.w3c.dom.Document对象处理WordToHtmlConverter，生成DOM对象 -> 输出文件。

这里有个好处就是使用到了Document对象，从而解决了编码、文件格式等问题。

这里因为过程简单，直接贴简单demo，看注释即可：

import java.io.ByteArrayOutputStream;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileOutputStream;

import java.io.InputStream;

import java.io.OutputStream;

import java.util.List;

import javax.xml.parsers.DocumentBuilderFactory;

import javax.xml.transform.OutputKeys;

import javax.xml.transform.Transformer;

import javax.xml.transform.TransformerFactory;

import javax.xml.transform.dom.DOMSourc