Java word转为html 两种方式

这篇具有很好参考价值的文章主要介绍了Java word转为html 两种方式。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

滴滴滴上重点。。。

方式一:使用apache提供的工具包poi,poi使用的是4.1.2版本

   缺点:对字体样式处理不精确;wmf公式图片部分转换不精确,本文档只支持doc格式

   优点:转换速度相对很快,本地也方便调试

方式二:使用libreoffice,使用的是7.5版本

   地址:下载 LibreOffice | LibreOffice 简体中文官方网站 - 自由免费的办公套件

   Linux安装libreoffice案例:linux centos7工具安装之 libreOffice篇 libreOffice安装教程_centos7 安装libreoffice_the_bog的博客-CSDN博客

   缺点:转换速度相对慢

   优点:字体样式十分精确,本文档只支持doc,docx等等。转换pdf等相关命令百度获取

废话不多说直接上代码!!!

方式一代码实现:

  相关jar包地址:

 <dependency>
      <groupId>org.apache.poi</groupId>
      <artifactId>poi</artifactId>
      <version>4.1.2</version>
    </dependency>

    <dependency>
      <groupId>org.apache.poi</groupId>
      <artifactId>poi-scratchpad</artifactId>
      <version>4.1.2</version>
    </dependency>

    <dependency>
      <groupId>org.apache.poi</groupId>
      <artifactId>poi-ooxml</artifactId>
      <version>4.1.2</version>
    </dependency>
  <dependency>
      <groupId>org.jsoup</groupId>
      <artifactId>jsoup</artifactId>
      <version>1.9.2</version>
    </dependency>
    <dependency>
      <groupId>org.apache.xmlgraphics</groupId>
      <artifactId>batik-codec</artifactId>
      <version>1.7</version>
    </dependency>
    <dependency>
      <groupId>net.arnx</groupId>
      <artifactId>wmf2svg</artifactId>
      <version>0.9.5</version>
    </dependency>
package cn.hls.winner.winner_problem_manage.utils;

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.converter.PicturesManager;
import org.apache.poi.hwpf.converter.WordToHtmlConverter;
import org.apache.poi.hwpf.usermodel.PictureType;
import org.apache.poi.util.IOUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Attributes;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.util.FileCopyUtils;
import org.springframework.web.multipart.MultipartFile;
import org.w3c.dom.Document;

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.DOMSource;
import javax.xml.transform.stream.StreamResult;
import java.io.*;
import java.util.ArrayList;
import java.util.List;
import java.util.UUID;

/**
 * @author lhz
 * @description TODO
 * @date 2023/9/18 10:14
 */
public class Word2003Util {

    private static final Logger logger = LoggerFactory.getLogger(Word2003Util.class);


    /**
     *
     * @param multipartFile  上传的文件
     * @param htmlFile       html上传路径
     * @param htmlFileImgUrl html图片上传路径
     * @param wordFileUrl    word上传路径
     * @return
     */
    public static String word2003ToHtml(MultipartFile multipartFile, String htmlFile, String htmlFileImgUrl, String wordFileUrl) {
        // 需要判断文件是否为doc,docx
        if (multipartFile == null) {
            return "word文档上传为空!";
        }
        if (multipartFile.getOriginalFilename().endsWith("docx")) {
            return "word文档格式有误,请上传doc格式的!";
        }
        logger.info("***** word2003ToHtml start file:{}", multipartFile);
        //返回服务器代理地址
        String htmlUrl = "";
        //随机命名html文件
        String uuid = UUID.randomUUID().toString();
        String htmlFileName = uuid + "." + "html";
        logger.info("==== 初始化====(htmlFileName){参数} " + htmlFileName);
        try {
            //上传服务器的图片本地地址
            logger.info("==== htmlFile{参数} ====" + htmlFile);
            //nginx转发后的图片地址
            logger.info("==== htmlFileImgUrl{参数} ====" + htmlFileImgUrl);
            //生成网页的文件夹地址
            String htmlFileUrl = htmlFile + uuid + "/";
            logger.info("==== htmlFileUrl{参数} ==== " + htmlFileUrl);
            //上传文件到服务器
            boolean flag = upload(multipartFile, wordFileUrl, uuid);
            if (!flag) {
                return "word文档上传失败!";
            }
            logger.info("===== word文档上传成功!====");
            //获取文件名称
            String name = multipartFile.getOriginalFilename();
            String suffix = name.substring(name.lastIndexOf("."));//.后缀名
            String filePath = wordFileUrl + uuid + suffix;
            logger.info("==== filePath ====" + filePath);
            File file = new File(filePath);
            // 1) 加载word文档生成 HWPFDocument对象
            InputStream inputStream = new FileInputStream(file);
            HWPFDocument wordDocument = new HWPFDocument(inputStream);
            WordToHtmlConverter wordToHtmlConverter =
                    new WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument());
            //图片地址
            String fileImg = htmlFileUrl + "images/";
            File htmlFile1 = new File(htmlFileUrl);
            if (!htmlFile1.exists()) {
                //创建
                if (htmlFile1.mkdirs()) {
                    logger.info("创建" + htmlFileUrl + "成功");
                } else {
                    logger.info("创建" + htmlFileUrl + "成功");
                }
            }
            //html代理地址
            htmlUrl = htmlFileImgUrl + uuid + "/" + htmlFileName;
            //html生成路径
            htmlFileName = htmlFileUrl + htmlFileName;
            logger.info("==== htmlFileName{ html ======== 输出地址} " + htmlFileName);
            //设置图片存放的位置
            String finalFileImg = fileImg;
            final int[] index = {1};
            //处理图片地址
            wordToHtmlConverter.setPicturesManager(new PicturesManager() {
                public String savePicture(byte[] content, PictureType pictureType, String suggestedName, float widthInches, float heightInches) {
                    File imgPath = new File(finalFileImg);
                    if (!imgPath.exists()) {//图片目录不存在则创建
                        imgPath.mkdirs();
                    }
                    String extension = pictureType.getExtension();
                    //随机生成图片名称
                    suggestedName = finalFileImg + "image" + index[0] + "." + extension;
                    File file = new File(suggestedName);
                    OutputStream os = null;
                    try {
                        os = new FileOutputStream(file);
                        os.write(content);
                        os.close();
                        //处理wmf公式图片
//                        if (extension.equals("wmf") || extension.equals("svg")) {
//                            if (extension.equals("wmf")) {
//                                String svgFile = suggestedName.substring(0,
//                                        suggestedName.lastIndexOf(".wmf"))
//                                        + ".svg";
//                                SvgToPngUtil.wmfToSvg(suggestedName, svgFile);
//                            }
//                            String suggestedNameSVG = suggestedName.substring(0, suggestedName.lastIndexOf(".")) + ".svg";
                            String s = SvgToPngUtil.readToString(suggestedNameSVG);
                            String suggestedNamePng = suggestedName.substring(0, suggestedName.lastIndexOf(".")) + ".png";
                            SvgToPngUtil.convertToPng(s, suggestedNamePng);
                            String s1 = SvgToPngUtil.GetImageStr(suggestedNameSVG);
//                            //删除无用图片
                            deleteFile(suggestedNameSVG, suggestedName);
//                            suggestedName = suggestedNameSVG;
//                        }
                    } catch (FileNotFoundException e) {
                        throw new RuntimeException(e);
                    } catch (IOException e) {
                        throw new RuntimeException(e);
                    }
                    //这里可以指定word文档中图片的路径。
                    String imgUlr = suggestedName.replace(htmlFile, htmlFileImgUrl);
                    index[0]++;
                    return imgUlr;
                }
            });
            wordToHtmlConverter.processDocument(wordDocument);
            Document htmlDocument = wordToHtmlConverter.getDocument();
            OutputStream outputStream = new FileOutputStream(htmlFileName);
            DOMSource domSource = new DOMSource(htmlDocument);
            StreamResult streamResult = new StreamResult(outputStream);
            TransformerFactory factory = TransformerFactory.newInstance();
            Transformer serializer = factory.newTransformer();
            serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
            serializer.setOutputProperty(OutputKeys.INDENT, "yes");
            serializer.setOutputProperty(OutputKeys.METHOD, "html");
            serializer.transform(domSource, streamResult);
            outputStream.close();
            logger.info("===== 网页样式转换开始 ====");
            String htmlContents = readHtml(htmlFileName);
            FileCopyUtils.copy(htmlContents.getBytes("utf-8"), new File(htmlFileName));
            logger.info("===== 网页样式转换完成 ====");
        } catch (Exception e) {
            logger.error("word2003ToHtml====异常");
            logger.error(e.getMessage());
            throw new RuntimeException(e);
        }
        //
        return htmlUrl;
    }

    //获取网页内容
    public static String readHtml(String htmlFileName) throws Exception {
        StringBuilder htmlContents1 = new StringBuilder();
        String htmlContents = "";
        //读图网页内容
        BufferedReader buf = new BufferedReader(
                new InputStreamReader(new FileInputStream(htmlFileName), "utf-8"));
        String c = "";
        while ((c = buf.readLine()) != null) {
            htmlContents1.append(c + "\n");
        }

        buf.close();
        htmlContents = htmlContents1.toString();
        htmlContents = htmlContents.replace("hyphenate:auto;font-family:Times New Roman;", "hyphenate:auto;font-family:宋体;").replace("vertical-align:text-bottom;", "vertical-align: middle;").replace("’","'").replace("&rsquo;","'");
        org.jsoup.nodes.Document document = Jsoup.parse(htmlContents);
        formatHtml(document);
        htmlContents = document.toString();
        return htmlContents;
    }

    //网页字体样式
    public static void formatHtml(org.jsoup.nodes.Document document) {
        Elements elements = document.getAllElements();
        String title = document.title();
        logger.info("==== formatHtml ====title"+title);
        for (Element element : elements) {
            if ("main".equals(element.className())) {
                continue;
            }
            if (title.contains("物理") || title.contains("数学") || title.contains("化学")) {
                if (element.hasClass("s1")) {
                    element.attr("style", "font-family:Times New Roman;" + element.attr("style"));
                }
            }
            String[] attrs = element.attr("style").split(";");
            List<String> attrList = new ArrayList();
            for (String attr : attrs) {
                if (attr.contains("font-family")) {
                    attrList.add(attr);
                }
            }
            //将<body>标签里的class属性b1 b2去掉
            Elements bodys = element.getElementsByTag("body");
            for(Element body : bodys){
                System.out.println("=======className:" + body.className() + "==========");
                if("b1 b2".equals(body.className())){
                    body.attr("class","");
                }
            }
        }
    }

    public static void deleteFile(String... imgUrl) {
        for (String s : imgUrl) {
            File file = new File(s);
            try {
                if (file.isFile()) {
                    // 删除文件
                    if (file.delete()) {
                        logger.info("删除文件成功==== 名称为:" + file.getName());
                    } else {
                    }
                } else {
                }
            } catch (Exception e) {
                logger.error("====== 删除图片失败 ======" + e.getMessage());
                throw new RuntimeException();
            }
        }
    }


    /**
     * @param file     文件
     * @param htmlFile 文件上传地址
     * @param fileName 文件名称
     * @return
     */
    public static boolean upload(MultipartFile file, String htmlFile, String fileName) {
        InputStream is = null;
        OutputStream os = null;
        try {
            File file1 = new File(htmlFile);
            if (!file1.exists()) {
                file1.mkdirs();
            }
            String name = file.getOriginalFilename();
            String suffix = name.substring(name.lastIndexOf("."));//.后缀名
            is = file.getInputStream();
            os = new FileOutputStream(htmlFile + fileName + suffix);
            //数据对拷
            IOUtils.copy(is, os);
            logger.info("==== 文件写入成功!====");
        } catch (IOException e) {
            logger.error("===== 文件上传失败 ====" + e.getMessage());
            return false;
        } finally {
            if (null != is) {
                try {
                    is.close();
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
            if (null != os) {
                try {
                    os.close();
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
        }
        return true;
    }
}

方式二代码实现文章来源地址https://www.toymoban.com/news/detail-788074.html

package com.hls.poi.service;


import com.hls.poi.controller.WordToHtmlController;
import org.apache.poi.util.IOUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.web.multipart.MultipartFile;

import java.io.*;
import java.util.UUID;

public class LibreOfficeCommandWordService {

    private static final Logger logger = LoggerFactory.getLogger(WordToHtmlController.class);

    /**
     * /opt/libreoffice7.5/program/soffice --headless --invisible --convert-to pdf /opt/a/1.docx --outdir /opt/a/
     * –convert-to pdf 后面的 /opt/a/1.docx 为原文件路径
     * –outdir /opt/a/(转换后文件存放目录)
     * <p>
     * soffice --headless --invisible --convert-to html:HTML ffc75d91-3594-451d-a55f-a941325bc380.doc --outdir mmm
     */

    //需要根据实际情况,查找LibreOffice安装的实际目录,
    //Mac下是默认安装到/usr/local/bin,
    //CentOS下默认安装在/usr/bin
    private final static String sofficeDir = "/opt/libreoffice7.6/program/";

    /**
     * @param multipartFile  上传的文件
     * @param htmlFile       html上传路径
     * @param htmlFileImgUrl html图片上传路径
     * @param wordFileUrl    word上传路径
     * @param sofficeDir     libreOffice安装地址
     * @throws Exception
     */
    public String word2html(MultipartFile multipartFile, String htmlFile, String htmlFileImgUrl, String wordFileUrl, String sofficeDir) throws Exception {
        try {
            logger.info("exec command:[{}]\noutput: [{}]", "进入word2pdf{} 方法");
            // 需要判断文件是否为doc,docx
            if (multipartFile == null) {
                return "word文档上传为空!";
            }
            //返回服务器代理地址
            String htmlUrl = "";
            //随机命名html文件
            String uuid = UUID.randomUUID().toString();
            String htmlFileName = uuid + "." + "html";
            logger.info("==== 初始化====(htmlFileName){参数} " + htmlFileName);
            //上传服务器的图片本地地址
            logger.info("==== htmlFile{参数} ====" + htmlFile);
            //nginx转发后的图片地址
            logger.info("==== htmlFileImgUrl{参数} ====" + htmlFileImgUrl);
            //生成网页的文件夹地址
            String htmlFileUrl = htmlFile + uuid + "/";
            logger.info("==== htmlFileUrl{参数} ==== " + htmlFileUrl);
            //上传文件到服务器
            boolean flag = upload(multipartFile, wordFileUrl, uuid);
            if (!flag) {
                return "word文档上传失败!";
            }
            logger.info("===== word文档上传成功!====");
            //获取文件名称
            String name = multipartFile.getOriginalFilename();
            String suffix = name.substring(name.lastIndexOf("."));//.后缀名
            //上传后word文档路径   /home/winnersoft/date/tomcat/html-root/office/word/8ea8aec0-7fb5-4fbc-b73c-6f0e47b2857e.doc
            String inPath = wordFileUrl + uuid + suffix;
            logger.info("==== inPath ====" + inPath);
            if (!new File(inPath).exists()) {
                return "word文档不存在!";
            }
            //图片地址
            File htmlFile1 = new File(htmlFileUrl);
            if (!htmlFile1.exists()) {
                //创建
                if (htmlFile1.mkdirs()) {
                    logger.info("创建" + htmlFileUrl + "成功");
                } else {
                    logger.info("创建" + htmlFileUrl + "成功");
                }
            }
            //html代理地址  //http://172.18.222.25:82/office/html/8ea8aec0-7fb5-4fbc-b73c-6f0e47b2857e/8ea8aec0-7fb5-4fbc-b73c-6f0e47b2857e.html
            htmlUrl = htmlFileImgUrl + uuid + "/" + htmlFileName;
            //html生成路径    /home/winnersoft/date/tomcat/html-root/office/html/af7ac82f-71bc-498c-8866-8bf7ef325345/
            htmlFileName = htmlFileUrl;
            logger.info("==== outPath{ html ======== 输出地址} " + htmlFileName);
            //设置图片存放的位置
//        String command = String.format("%s/soffice --convert-to pdf:writer_pdf_Export %s --outdir %s", sofficeDir, inPath, outPath);
            String command = String.format("%s/soffice --headless --invisible --convert-to html:HTML %s --outdir %s", sofficeDir, inPath, htmlFileName);
            logger.info("command==================================" + command);
            String output = this.executeCommand(command);
            logger.info("exec command:[{}]\noutput: [{}]", command, output);
            return htmlUrl;
        } catch (IOException e) {
            logger.error("io异常"+e.getMessage());
            throw new RuntimeException(e);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }
    }

    protected String executeCommand(String command) throws IOException, InterruptedException {
        logger.info("executeCommand{} 执行转化");
        StringBuffer output = new StringBuffer();
        Process p;
        p = Runtime.getRuntime().exec(command);
        p.waitFor();
        try (
                InputStreamReader inputStreamReader = new InputStreamReader(p.getInputStream(), "UTF-8");
                BufferedReader reader = new BufferedReader(inputStreamReader)
        ) {
            String line = "";
            while ((line = reader.readLine()) != null) {
                output.append(line + "\n");
            }
        }
        // 销毁子进程
        p.destroy();
        return output.toString();
    }

    /**
     * @param file     文件
     * @param htmlFile 文件上传地址
     * @param fileName 文件名称
     * @return
     */
    public static boolean upload(MultipartFile file, String htmlFile, String fileName) {
        InputStream is = null;
        OutputStream os = null;
        try {
            File file1 = new File(htmlFile);
            if (!file1.exists()) {
                file1.mkdirs();
            }
            String name = file.getOriginalFilename();
            String suffix = name.substring(name.lastIndexOf("."));//.后缀名
            is = file.getInputStream();
            os = new FileOutputStream(htmlFile + fileName + suffix);
            //数据对拷
            IOUtils.copy(is, os);
            logger.info("==== 文件写入成功!====");
        } catch (IOException e) {
            logger.error("===== 文件上传失败 ====" + e.getMessage());
            return false;
        } finally {
            if (null != is) {
                try {
                    is.close();
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
            if (null != os) {
                try {
                    os.close();
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
        }
        return true;
    }
}

到了这里,关于Java word转为html 两种方式的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Java将PDF文件转为Word文档

    一、创建Springboot Maven项目 二、导入依赖信息 三、创建Main类 代码如下: 效果展示:

    2024年02月11日
    浏览(55)
  • java中使用POI将word转为PDF时无法显示文字

    背景: 在windos上本地调试时使用POI将word转为PDF时, PDF无法显示文字的原因以及解决方案: 原因1 :字体不存在问题, word中使用的字体在系统(windows或者linux)上一定要已经安装, 否则PDF无法显示文字, 将需要的字体下载下来, 复制到 1) windows 的 C:WindowsFonts 文件夹下面, 然后重启机器

    2023年04月10日
    浏览(87)
  • 如何通过Java代码将 PDF文档转为 HTML格式

    虽然PDF文件适合用于打印和发布,但不适合所有类型的文档。例如,包含复杂图表和图形的文档可能无法在PDF中呈现得很好。但是HTML文件可以在任何可运行浏览器的计算机上进行阅读并显示。并且HTML还具有占用服务器资源较小,便于搜索引擎收录的特点。那么今天这篇文章就

    2024年02月05日
    浏览(58)
  • Python - 将RTF文件转为Word 、PDF、HTML格式

    RTF也称富文本格式,是一种具有良好兼容性的文档格式,可以在不同的操作系统和应用程序之间进行交换和共享。有时出于不同项目的需求,我们可能需要将RTF文件转为其他格式。本文将介如何通过简单的Python代码将RTF文件转换为Word Doc/Docx、PDF、HTML格式。   实现步骤如下:

    2024年02月19日
    浏览(52)
  • Java如何将字符串转为数字int(三种方式)

    如何将java字符串转换为数字 对知识永远只有学无止境。 第一种 第二种 第三种 注意:这三种的转换区别在哪里呢?对知识应该敬畏。 第一种是将字符串,转换成一个数字的对象,两个相同的数字进行转换。 结果:不相等 第二种:多次的解析,最终的得到结果,可以用 “

    2024年02月13日
    浏览(60)
  • java实现word转html

    现有的需求是前端导入word文件,然后需要在浏览器上展示出来,实现方案是将前端导入的word转成html的形式,再输出给前端,废话不多说,直接上代码. 需要用到的依赖  代码实现 注意事项 1.这个方法只支持docx结尾的文档,doc文档大同小异,如果有需要可以尝试自己写一下 2.和图片上

    2024年02月15日
    浏览(49)
  • Java将Word转换成PDF

    最近项目需要做在线预览文档功能,要求对word文档后台转为pdf,遇到了很多问题,因此记录一下。 网上有很多将Word转换成PDF的方式,这里我试了几种比较简单的方式:POI、aspose、spire和documents4j。 POI是Apache下的一个Java类库,可以帮助我们实现Java与各种Office格式文件的互相转

    2024年02月08日
    浏览(40)
  • java html转word、pdf(包含图片)

    maven依赖 核心代码 maven依赖 核心代码 Base64ImgReplacedElementFactory类

    2024年02月07日
    浏览(57)
  • java将word转换成pdf,并去除水印

    2024年01月22日
    浏览(54)
  • java 使用documents4j将XML转为pdf文件的方式

    通过spire.doc.free将word转换成PDF时存在缺陷:只能获取前3页。获取全文另外需支付费用。 使用documents4j,documents4j会保留原word文件中更多的样式,如修订模式下的差异化字体颜色、文档右侧修订记录等。 1.引入Pom 2.  xml2pdf方法如下,xmlpath是xml文件地址,pdfPath是生成的pdf地址

    2024年02月21日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包