poi将word转换成html、样式表格图片处理_javapoi4.1.2图片环绕资源-CSDN下载

共3个文件

jar：2个

java：1个

poi

word

html

5星 · 超过95%的资源需积分: 50 43 浏览量 2013-03-04 10:25:29 上传评论 7 收藏 2.5MB RAR 举报

Apache POI 是一个开源项目，专门用于处理微软的Office文档格式，如Word（.doc, .docx）、Excel（.xls, .xlsx）等。在本案例中，我们关注的是如何使用Apache POI将Word文档转换为HTML格式，并且保持原有的样式、表格和图片。下面我们将详细介绍这个过程中的关键知识点。 1. **Apache POI简介** Apache POI 提供了Java API，使得开发者可以在Java环境中读写Microsoft Office格式的文件。它支持多种文件格式，包括HSSF（旧版的Excel）、XSSF（新版本的Excel）、HWPF（旧版的Word）和XWPF（新版本的Word）等。 2. **Word与HTML的结构差异** Word文档基于复杂的OOXML标准，包含各种元素如文本、样式、表格、图片等。HTML则是一种标记语言，主要用于网页布局和内容展示。将Word转换为HTML需要解析Word文档并将其内容重新构建为HTML标签。 3. **读取Word文档** 使用Apache POI的XWPF库，我们可以加载一个.docx文件，XWPFDocument类是处理此类文件的基础。通过XWPFDocument实例，我们可以访问文档中的所有元素。 4. **处理文本样式** XWPFParagraph 和 XWPFRun 对象分别代表Word中的段落和文本运行。这些对象提供了获取和设置字体大小、颜色、样式（如粗体、斜体）等属性的方法。在转换为HTML时，我们需要将这些样式信息转换为CSS样式。 5. **处理表格** XWPFTable对象表示Word文档中的表格。每个表格由多个XWPFTableRow，每行又包含多个XWPFTableCell。转换时，我们需要将表格结构转换为HTML的`<table>`、`<tr>`和`<td>`标签，同时保留单元格的样式。 6. **处理图片** 在Word文档中，图片通常作为嵌入式对象存储。XWPFPictureData对象代表这些图片。转换时，需要将图片数据保存到文件系统，然后在HTML中用`<img>`标签引用这个图片，并设置`src`属性指向保存的图片文件路径。 7. **段落与样式转换** 段落（XWPFParagraph）和列表（XWPFNumbering）需要转换为HTML的`<p>`、`<ol>`和`<ul>`标签。每个段落的样式，如缩进、对齐方式，也需要映射到对应的CSS属性。 8. **生成HTML** 遍历Word文档的所有元素，按照HTML的语法规则构建DOM树，最后将其序列化为HTML字符串。可以使用StringBuilder或其他字符串处理工具来组合各个部分。 9. **优化和性能** 转换过程可能涉及大量内存和CPU使用，因此需要注意优化。例如，避免一次性加载整个文档到内存，分块处理大文件，以及合理地处理图片以减小HTML文件的大小。 10. **实战示例** 实际编程中，你可以创建一个方法，接受Word文档的输入流和HTML输出流，使用Apache POI读取Word，构建HTML结构，并写入到输出流中。这样就可以实现Word到HTML的在线转换服务。通过以上步骤，我们可以利用Apache POI成功地将Word文档转换为HTML，同时保留其原有的样式、表格和图片。这在需要在Web环境下显示或处理Word文档的场景中非常有用。

资源推荐

资源详情

资源评论

收起资源包目录

poi将word转换成html.rar （3个子文件）

poi将word转换成html

poi-scratchpad-3.8-beta4-20110826.jar 1.08MB

poi-3.8-beta4-20110826.jar 1.68MB

WordtoHtml.java 10KB

package net.sunflower.demo; 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; import org.apache.poi.hwpf.usermodel.Paragraph; import org.apache.poi.hwpf.usermodel.Table; import org.apache.poi.hwpf.usermodel.TableCell; import org.apache.poi.hwpf.usermodel.TableIterator; import org.apache.poi.hwpf.usermodel.TableRow; 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; public static String htmlText = ""; public static String htmlTextTbl = ""; public static int counter=0; public static int beginPosi=0; public static int endPosi=0; public static int beginArray[]; public static int endArray[]; public static String htmlTextArray[]; public static boolean tblExist=false; public static void main(String argv[]) { try { getWordAndStyle("D://kexie/读取科协.doc"); } catch (Exception e) { e.printStackTrace(); } } /** * 读取每个文字样式 * * @param fileName * @throws Exception */ public static void getWordAndStyle(String fileName) throws Exception { FileInputStream in = new FileInputStream(new File(fileName)); HWPFDocument doc = new HWPFDocument(in); Range rangetbl = doc.getRange();//得到文档的读取范围 TableIterator it = new TableIterator(rangetbl); int num=100; beginArray=new int[num]; endArray=new int[num]; htmlTextArray=new String[num]; // 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 if(it.hasNext()) { readTable(it,rangetbl); } int cur=0; 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); //beginArray=new int[num]; //endArray=new int[num]; //htmlTextArray=new String[num]; if(tblExist) { if(i==beginArray[cur]) { htmlText+=tempString+htmlTextArray[cur]; tempString=""; i=endArray[cur]-1; cur++; continue; } } if (pTable.hasPicture(cr)) { htmlText += tempString ; // 读写图片 readPicture(pTable, cr); tempString = ""; } else { Range range2 = new Range(i + 1, i + 2, doc); // 第二个字符 CharacterRun cr2 = range2.getCharacterRun(0); char c = cr.text().charAt(0); System.out.println(i+"::"+range.getEndOffset()+"::"+range.getStartOffset()+"::"+c); // 判断是否为回车符 if (c == ENTER_ASCII) { tempString += "<br/>"; } // 判断是否为空格符 else if (c == SPACE_ASCII) tempString += " "; // 判断是否为水平制表符 else if (c == 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); if (flag) tempString += cr.text(); else { 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;"; htmlText += fontStyle + "\" mce_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;"; htmlText += fontStyle + "\">" + tempString + cr.text() + "</span>"; tempString = ""; } } } htmlText += tempString+"</body></html>"; writeFile(htmlText); } /** * 读写文档中的表格 * */ public static void readTable(TableIterator it, Range rangetbl) throws Exception { htmlTextTbl=""; //迭代文档中的表格 counter=-1; while (it.hasNext()) { tblExist=true; htmlTextTbl=""; Table tb = (Table) it.next(); beginPosi=tb.getStartOffset() ; endPosi=tb.getEndOffset(); System.out.println("............"+beginPosi+"...."+endPosi); counter=counter+1; //迭代行，默认从0开始 beginArray[counter]=beginPosi; endArray[counter]=endPosi; htmlTextTbl+="<table border>"; for (int i = 0; i < tb.numRows(); i++) { TableRow tr = tb.getRow(i); htmlTextTbl+="<tr>"; //迭代列，默认从0开始 for (int j = 0; j < tr.numCells(); j++) { TableCell td = tr.getCell(j);//取得单元格 int cellWidth=td.getWidth(); //取得单元格的内容 for(int k=0;k<td.numParagraphs();k++){ Paragraph para =td.getParagraph(k); String s = para.text().toString().trim(); if(s=="") { s=" ";

评论收藏

内容反馈