java使用POI实现html和word相互转换

项目后端使用了springboot,maven,前端使用了ckeditor富文本编辑器。目前从html转换的word为doc格式,而图片处理支持的是docx格式,所以需要手动把doc另存为docx,然后才可以进行图片替换。

一.添加maven依赖

主要使用了以下和poi相关的依赖,为了便于获取html的图片元素,还使用了jsoup:

<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>xdocreport</artifactId>
  <version>1.0.6</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>

<dependency>
  <groupId>org.jsoup</groupId>
  <artifactId>jsoup</artifactId>
  <version>1.11.3</version>
</dependency>

二.word转换为html

在springboot项目的resources目录下新建static文件夹,将需要转换的word文件temp.docx粘贴进去,由于static是springboot的默认资源文件,所以不需要在配置文件里面另行配置了,如果改成其他名字,需要在application.yml进行相应配置。

doc格式转换为html:

public static String docToHtml() throws Exception {
  File path = new File(ResourceUtils.getURL("classpath:").getPath());
  String imagePathStr = path.getAbsolutePath() + "\\static\\image\\";
  String sourceFileName = path.getAbsolutePath() + "\\static\\test.doc";
  String targetFileName = path.getAbsolutePath() + "\\static\\test2.html";
  File file = new File(imagePathStr);
  if(!file.exists()) {
    file.mkdirs();
  }
  HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(sourceFileName));
  org.w3c.dom.Document document = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();
  WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(document);
  //保存图片,并返回图片的相对路径
  wordToHtmlConverter.setPicturesManager((content, pictureType, name, width, height) -> {
    try (FileOutputStream out = new FileOutputStream(imagePathStr + name)) {
      out.write(content);
    } catch (Exception e) {
      e.printStackTrace();
    }
    return "image/" + name;
  });
  wordToHtmlConverter.processDocument(wordDocument);
  org.w3c.dom.Document htmlDocument = wordToHtmlConverter.getDocument();
  DOMSource domSource = new DOMSource(htmlDocument);
  StreamResult streamResult = new StreamResult(new File(targetFileName));
  TransformerFactory tf = TransformerFactory.newInstance();
  Transformer serializer = tf.newTransformer();
  serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
  serializer.setOutputProperty(OutputKeys.INDENT, "yes");
  serializer.setOutputProperty(OutputKeys.METHOD, "html");
  serializer.transform(domSource, streamResult);
  return targetFileName;
}

docx格式转换为html

public static String docxToHtml() throws Exception {
  File path = new File(ResourceUtils.getURL("classpath:").getPath());
  String imagePath = path.getAbsolutePath() + "\\static\\image";
  String sourceFileName = path.getAbsolutePath() + "\\static\\test.docx";
  String targetFileName = path.getAbsolutePath() + "\\static\\test.html";

  OutputStreamWriter outputStreamWriter = null;
  try {
    XWPFDocument document = new XWPFDocument(new FileInputStream(sourceFileName));
    XHTMLOptions options = XHTMLOptions.create();
    // 存放图片的文件夹
    options.setExtractor(new FileImageExtractor(new File(imagePath)));
    // html中图片的路径
    options.URIResolver(new BasicURIResolver("image"));
    outputStreamWriter = new OutputStreamWriter(new FileOutputStream(targetFileName), "utf-8");
    XHTMLConverter xhtmlConverter = (XHTMLConverter) XHTMLConverter.getInstance();
    xhtmlConverter.convert(document, outputStreamWriter, options);
  } finally {
    if (outputStreamWriter != null) {
      outputStreamWriter.close();
    }
  }
  return targetFileName;
}

转换成功后会生成对应的html文件,如果想在前端展示,直接读取文件转换为String返回给前端即可。

public static String readfile(String filePath) {
  File file = new File(filePath);
  InputStream input = null;
  try {
    input = new FileInputStream(file);
  } catch (FileNotFoundException e) {
    e.printStackTrace();
  }
  StringBuffer buffer = new StringBuffer();
  byte[] bytes = new byte[1024];
  try {
    for (int n; (n = input.read(bytes)) != -1;) {
      buffer.append(new String(bytes, 0, n, "utf8"));
    }
  } catch (IOException e) {
    e.printStackTrace();
  }
  return buffer.toString();
}

在富文本编辑器ckeditor中的显示效果:

三.html转换为word

实现思路就是先把html中的所有图片元素提取出来,统一替换为变量字符”${imgReplace}“,如果多张图片,可以依序排列下去,之后生成对应的doc文件(之前试过直接生成docx文件发现打不开,这个问题尚未找到好的解决方法),我们将其另存为docx文件,之后就可以替换变量为图片了:

public static String writeWordFile(String content) {
    String path = "D:/wordFile";
    Map<String, Object> param = new HashMap<String, Object>();

    if (!"".equals(path)) {
      File fileDir = new File(path);
      if (!fileDir.exists()) {
        fileDir.mkdirs();
      }
      content = HtmlUtils.htmlUnescape(content);
      List<HashMap<String, String>> imgs = getImgStr(content);
      int count = 0;
      for (HashMap<String, String> img : imgs) {
        count++;
        //处理替换以“/>”结尾的img标签
        content = content.replace(img.get("img"), "${imgReplace" + count + "}");
        //处理替换以“>”结尾的img标签
        content = content.replace(img.get("img1"), "${imgReplace" + count + "}");
        Map<String, Object> header = new HashMap<String, Object>();

        try {
          File filePath = new File(ResourceUtils.getURL("classpath:").getPath());
          String imagePath = filePath.getAbsolutePath() + "\\static\\";
          imagePath += img.get("src").replaceAll("/", "\\\\");
          //如果没有宽高属性,默认设置为400*300
          if(img.get("width") == null || img.get("height") == null) {
            header.put("width", 400);
            header.put("height", 300);
          }else {
            header.put("width", (int) (Double.parseDouble(img.get("width"))));
            header.put("height", (int) (Double.parseDouble(img.get("height"))));
          }
          header.put("type", "jpg");
          header.put("content", OfficeUtil.inputStream2ByteArray(new FileInputStream(imagePath), true));
        } catch (FileNotFoundException e) {
          e.printStackTrace();
        }
        param.put("${imgReplace" + count + "}", header);
      }
      try {
        // 生成doc格式的word文档,需要手动改为docx
        byte by[] = content.getBytes("UTF-8");
        ByteArrayInputStream bais = new ByteArrayInputStream(by);
        POIFSFileSystem poifs = new POIFSFileSystem();
        DirectoryEntry directory = poifs.getRoot();
        DocumentEntry documentEntry = directory.createDocument("WordDocument", bais);
        FileOutputStream ostream = new FileOutputStream("D:\\wordFile\\temp.doc");
        poifs.writeFilesystem(ostream);
        bais.close();
        ostream.close();

        // 临时文件(手动改好的docx文件)
        CustomXWPFDocument doc = OfficeUtil.generateWord(param, "D:\\wordFile\\temp.docx");
        //最终生成的带图片的word文件
        FileOutputStream fopts = new FileOutputStream("D:\\wordFile\\final.docx");
        doc.write(fopts);
        fopts.close();
      } catch (Exception e) {
        e.printStackTrace();
      }

    }
    return "D:/wordFile/final.docx";
  }

  //获取html中的图片元素信息
  public static List<HashMap<String, String>> getImgStr(String htmlStr) {
    List<HashMap<String, String>> pics = new ArrayList<HashMap<String, String>>();

    Document doc = Jsoup.parse(htmlStr);
    Elements imgs = doc.select("img");
    for (Element img : imgs) {
      HashMap<String, String> map = new HashMap<String, String>();
      if(!"".equals(img.attr("width"))) {
        map.put("width", img.attr("width").substring(0, img.attr("width").length() - 2));
      }
      if(!"".equals(img.attr("height"))) {
        map.put("height", img.attr("height").substring(0, img.attr("height").length() - 2));
      }
      map.put("img", img.toString().substring(0, img.toString().length() - 1) + "/>");
      map.put("img1", img.toString());
      map.put("src", img.attr("src"));
      pics.add(map);
    }
    return pics;
  }

OfficeUtil工具类,之前发现网上的写法只支持一张图片的修改,多张图片就会报错,是因为添加了图片,processParagraphs方法中的runs的大小改变了,会报ArrayList的异常,就和我们循环list中删除元素会报异常道理一样,解决方法就是复制一个新的Arraylist进行循环即可:

package com.example.demo.util; 

import java.io.ByteArrayInputStream;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;

import org.apache.poi.POIXMLDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFTableRow; 

/**
 * 适用于word 2007
 */
public class OfficeUtil { 

  /**
   * 根据指定的参数值、模板,生成 word 文档
   * @param param 需要替换的变量
   * @param template 模板
   */
  public static CustomXWPFDocument generateWord(Map<String, Object> param, String template) {
    CustomXWPFDocument doc = null;
    try {
      OPCPackage pack = POIXMLDocument.openPackage(template);
      doc = new CustomXWPFDocument(pack);
      if (param != null && param.size() > 0) { 

        //处理段落
        List<XWPFParagraph> paragraphList = doc.getParagraphs();
        processParagraphs(paragraphList, param, doc); 

        //处理表格
        Iterator<XWPFTable> it = doc.getTablesIterator();
        while (it.hasNext()) {
          XWPFTable table = it.next();
          List<XWPFTableRow> rows = table.getRows();
          for (XWPFTableRow row : rows) {
            List<XWPFTableCell> cells = row.getTableCells();
            for (XWPFTableCell cell : cells) {
              List<XWPFParagraph> paragraphListTable = cell.getParagraphs();
              processParagraphs(paragraphListTable, param, doc);
            }
          }
        }
      }
    } catch (Exception e) {
      e.printStackTrace();
    }
    return doc;
  }
  /**
   * 处理段落
   * @param paragraphList
   */
  public static void processParagraphs(List<XWPFParagraph> paragraphList,Map<String, Object> param,CustomXWPFDocument doc){
    if(paragraphList != null && paragraphList.size() > 0){
      for(XWPFParagraph paragraph:paragraphList){
        //poi转换过来的行间距过大,需要手动调整
        if(paragraph.getSpacingBefore() >= 1000 || paragraph.getSpacingAfter() > 1000) {
          paragraph.setSpacingBefore(0);
          paragraph.setSpacingAfter(0);
        }
        //设置word中左右间距
        paragraph.setIndentationLeft(0);
        paragraph.setIndentationRight(0);
        List<XWPFRun> runs = paragraph.getRuns();
        //加了图片,修改了paragraph的runs的size,所以循环不能使用runs
        List<XWPFRun> allRuns = new ArrayList<XWPFRun>(runs);
        for (XWPFRun run : allRuns) {
          String text = run.getText(0);
          if(text != null){
            boolean isSetText = false;
            for (Entry<String, Object> entry : param.entrySet()) {
              String key = entry.getKey();
              if(text.indexOf(key) != -1){
                isSetText = true;
                Object value = entry.getValue();
                if (value instanceof String) {//文本替换
                  text = text.replace(key, value.toString());
                } else if (value instanceof Map) {//图片替换
                  text = text.replace(key, "");
                  Map pic = (Map)value;
                  int width = Integer.parseInt(pic.get("width").toString());
                  int height = Integer.parseInt(pic.get("height").toString());
                  int picType = getPictureType(pic.get("type").toString());
                  byte[] byteArray = (byte[]) pic.get("content");
                  ByteArrayInputStream byteInputStream = new ByteArrayInputStream(byteArray);
                  try {
                    String blipId = doc.addPictureData(byteInputStream,picType);
                    doc.createPicture(blipId,doc.getNextPicNameNumber(picType), width, height,paragraph);
                  } catch (Exception e) {
                    e.printStackTrace();
                  }
                }
              }
            }
            if(isSetText){
              run.setText(text,0);
            }
          }
        }
      }
    }
  }
  /**
   * 根据图片类型,取得对应的图片类型代码
   * @param picType
   * @return int
   */
  private static int getPictureType(String picType){
    int res = CustomXWPFDocument.PICTURE_TYPE_PICT;
    if(picType != null){
      if(picType.equalsIgnoreCase("png")){
        res = CustomXWPFDocument.PICTURE_TYPE_PNG;
      }else if(picType.equalsIgnoreCase("dib")){
        res = CustomXWPFDocument.PICTURE_TYPE_DIB;
      }else if(picType.equalsIgnoreCase("emf")){
        res = CustomXWPFDocument.PICTURE_TYPE_EMF;
      }else if(picType.equalsIgnoreCase("jpg") || picType.equalsIgnoreCase("jpeg")){
        res = CustomXWPFDocument.PICTURE_TYPE_JPEG;
      }else if(picType.equalsIgnoreCase("wmf")){
        res = CustomXWPFDocument.PICTURE_TYPE_WMF;
      }
    }
    return res;
  }
  /**
   * 将输入流中的数据写入字节数组
   * @param in
   * @return
   */
  public static byte[] inputStream2ByteArray(InputStream in,boolean isClose){
    byte[] byteArray = null;
    try {
      int total = in.available();
      byteArray = new byte[total];
      in.read(byteArray);
    } catch (IOException e) {
      e.printStackTrace();
    }finally{
      if(isClose){
        try {
          in.close();
        } catch (Exception e2) {
          System.out.println("关闭流失败");
        }
      }
    }
    return byteArray;
  }
}

我认为之所以word2003不支持图片替换,主要是处理2003版本的HWPFDocument对象被声明为了final,我们就无法重写他的方法了。而处理2007版本的类为XWPFDocument,是可以继承的,通过继承XWPFDocument,重写createPicture方法即可实现图片替换,以下为对应的CustomXWPFDocument类:

package com.example.demo.util;  

import java.io.IOException;
import java.io.InputStream;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.xmlbeans.XmlException;
import org.apache.xmlbeans.XmlToken;
import org.openxmlformats.schemas.drawingml.x2006.main.CTNonVisualDrawingProps;
import org.openxmlformats.schemas.drawingml.x2006.main.CTPositiveSize2D;
import org.openxmlformats.schemas.drawingml.x2006.wordprocessingDrawing.CTInline; 

/**
 * 自定义 XWPFDocument,并重写 createPicture()方法
 */
public class CustomXWPFDocument extends XWPFDocument {
  public CustomXWPFDocument(InputStream in) throws IOException {
    super(in);
  }  

  public CustomXWPFDocument() {
    super();
  }  

  public CustomXWPFDocument(OPCPackage pkg) throws IOException {
    super(pkg);
  }  

  /**
   * @param ind
   * @param width 宽
   * @param height 高
   * @param paragraph 段落
   */
  public void createPicture(String blipId, int ind, int width, int height,XWPFParagraph paragraph) {
    final int EMU = 9525;
    width *= EMU;
    height *= EMU;
    CTInline inline = paragraph.createRun().getCTR().addNewDrawing().addNewInline();
    String picXml = ""
        + "<a:graphic xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\">"
        + "  <a:graphicData uri=\"http://schemas.openxmlformats.org/drawingml/2006/picture\">"
        + "   <pic:pic xmlns:pic=\"http://schemas.openxmlformats.org/drawingml/2006/picture\">"
        + "     <pic:nvPicPr>" + "      <pic:cNvPr id=\""
        + ind
        + "\" name=\"Generated\"/>"
        + "      <pic:cNvPicPr/>"
        + "     </pic:nvPicPr>"
        + "     <pic:blipFill>"
        + "      <a:blip r:embed=\""
        + blipId
        + "\" xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\"/>"
        + "      <a:stretch>"
        + "        <a:fillRect/>"
        + "      </a:stretch>"
        + "     </pic:blipFill>"
        + "     <pic:spPr>"
        + "      <a:xfrm>"
        + "        <a:off x=\"0\" y=\"0\"/>"
        + "        <a:ext cx=\""
        + width
        + "\" cy=\""
        + height
        + "\"/>"
        + "      </a:xfrm>"
        + "      <a:prstGeom prst=\"rect\">"
        + "        <a:avLst/>"
        + "      </a:prstGeom>"
        + "     </pic:spPr>"
        + "   </pic:pic>"
        + "  </a:graphicData>" + "</a:graphic>";  

    inline.addNewGraphic().addNewGraphicData();
    XmlToken xmlToken = null;
    try {
      xmlToken = XmlToken.Factory.parse(picXml);
    } catch (XmlException xe) {
      xe.printStackTrace();
    }
    inline.set(xmlToken);  

    inline.setDistT(0);
    inline.setDistB(0);
    inline.setDistL(0);
    inline.setDistR(0);   

    CTPositiveSize2D extent = inline.addNewExtent();
    extent.setCx(width);
    extent.setCy(height);  

    CTNonVisualDrawingProps docPr = inline.addNewDocPr();
    docPr.setId(ind);
    docPr.setName("图片" + ind);
    docPr.setDescr("测试");
  }
}

以上就是通过POI实现html和word的相互转换,对于html无法转换为可读的docx这个问题尚未解决,如果大家有好的解决方法可以交流一下。

(0)

相关推荐

  • 使用Java读取Word文件的简单例子分享

    java读取word文档时,虽然网上介绍了很多插件poi.java2Word.jacob.itext等等,poi无法读取格式(新的API估计行好像还在处于研发阶段,不太稳定,做项目不太敢用):java2Word.jacob容易报错找不到注册,比较诡异,我曾经在不同的机器上试过,操作方法完全一致,有的机器不报错,有的报错,去他们论坛找高人解决也说不出原因,项目部署用它有点玄:itxt好像写很方便但是我查了好久资料没有见到过关于读的好办法.经过一番选择还是折中点采用rtf最好,毕竟rtf是开源格式,

  • java简单操作word实例

    本文为大家分享了java简单操作word例子,供大家参考,具体内容如下 package apache.poi; import java.io.ByteArrayInputStream; import java.io.ByteArrayOutputStream; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.IOException; impor

  • Java实现将word转换为html的方法示例【doc与docx格式】

    本文实例讲述了Java实现将word转换为html的方法.分享给大家供大家参考,具体如下: public static void main(String[] args) throws Exception { String filePath = "C:/Users/Administrator/Desktop/92个诊疗方案及临床路径/"; File file = new File(filePath); File[] files = file.listFiles(); String nam

  • 实例讲解Java读取一般文本文件和word文档的方法

    一般文本文件 我们以日志文件.log文件为例: import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; public class File_Test { /** * @param args */ pub

  • Java使用poi将word转换为html

    使用poi将word转换为html,支持doc,docx,转换后可以保持图片.样式. 1.导入Maven包 <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>3.14</version> </dependency> <dependency> <groupId>org.a

  • java使用Jsoup组件生成word文档

    先利用jsoup将得到的html代码"标准化"(Jsoup.parse(String html))方法,然后利用FileWiter将此html内容写到本地的template.doc文件中,此时如果文章中包含图片的话,template.doc就会依赖你的本地图片文件路径,如果你将图片更改一个名称或者将路径更改,再打开这个template.doc,图片就会显示不出来(出现一个叉叉).为了解决此问题,利用jsoup组件循环遍历html文档的内容,将img元素替换成${image_自增值}的标

  • java实现word文件转html文件

    最近在项目开发中用户提出要在电脑上没有装office时在浏览器中打开word文件,最后确定的逻辑:用户选择想要查看的文件,页面js判断文件是否为word.不是执行下载,是后端根据word文件后缀访问对应转换方法.文件已存在对应html文件直接返回html文件地址,不存在先生成对应html文件再返回地址.js直接通过open()打开新的页签,展示word文件内容.新人一枚,如果代码中存在错误或有更好的实现万望指正! 相关jar包 代码 import java.io.ByteArrayOutputS

  • java导出生成word的简单方法

    最近做的项目,需要将一些信息导出到word中.在网上找了好多解决方案,现在将这几天的总结分享一下. 目前来看,java导出word大致有6种解决方案: 1.Jacob是Java-COM Bridge的缩写,它在Java与微软的COM组件之间构建一座桥梁.使用Jacob自带的DLL动态链接库,并通过JNI的方式实现了在Java平台上对COM程序的调用.DLL动态链接库的生成需要windows平台的支持.该方案只能在windows平台实现,是其局限性. 2.Apache POI包括一系列的API,它

  • java使用poi读取ppt文件和poi读取excel、word示例

    Apache的POI项目可以用来处理MS Office文档,codeplex上还有一个它的.net版本.POI项目可创建和维护操作各种基于OOXML和OLE2文件格式的Java API.大多数MS Office都是OLE2格式的.POI通HSMF子项目来支持Outlook,通过HDGF子项目来支持Visio,通过HPBF子项目来支持Publisher. 使用POI抽取Word简单示例: 要引入poi-3.7.jat和poi-scratchpad-3.7.ajr这两个包. 复制代码 代码如下: p

  • java/word+fusionchart生成图表深入分析

    一个朋友的项目里用到了fusionchart,同时需要提供多个报表的word下载功能. 毫无疑问,只是一个很棘手的问题. fusionchart提供了服务端和客户端生成图片的功能,都是基于client端展示了flash以后做的. 朋友的项目是基于linux的,office本身的那套com机制是没办法通过jacob调用了. 纯java的操作word,POI和docx4j,可以生成word文档,table,插入图片. 一个可行的思路是点击下载报表时,先在一个新页面打开各个flash的图表,再依次调用

  • Java用freemarker导出word实用示例

    最近一个项目要导出word文档,折腾老半天,发现还是用freemarker的模板来搞比较方便省事,现总结一下关键步骤,供大家参考,这里是一个简单的试卷生成例子. 一.模板的制作 先用Word做一个模板,如下图: (注意,上面是有表格的,我设置了边框不可见)然后另存为XML文件,之后用工具打开这个xml文件,有人用firstobject XML Editor感觉还不如notepad++,我这里用notepad++,主要是有高亮显示,和元素自动配对,效果如下: 上面黑色的地方基本是我们之后要替换的地

随机推荐

其他