2. 程式人生 > >Java引用POI實現Word轉Html方法

Java引用POI實現Word轉Html方法

阿新 • • 發佈：2019-01-15

1.下載POI工具並引用

2.讀取整個doc文件，獲得該文件的所有字串。

3.從該字串中得到標題，把該標題構成一個HTML格式的字串，如<html><head><title>測試文件</title></head><body>。

4.從該文件中判斷是否有表格，如有，把每個表格的開始偏移量，結束偏移量記錄下來，同時根據每個表格的行，列讀取表格的內容，並構造出表格的HTML字串。

5.從該字串的第一個字元開始逐個字元迴圈，得到字元的字型，字號大小，直到下一個字元的字型，字號不一樣時，把這些字元內容構造成一個HTML格式的字串。

6.如果碰到字元為回車符，製表符，把回車符，製表符構造成HTML格式的字串。

7.如果碰到字元為圖片，讀取圖片，把圖片放在指定路徑，再把這一路徑的資訊構造成HTML字串，如<img src='c://test//1.jpg'/>。

8.如讀取字串的位置等於表格的開始偏移量時，插入前面一構造出的表格HTML字串，同時跳過表格的結束偏移量，繼續往下迴圈讀取字元。

9.由於以上讀取是按字串逐個讀取，並且根據字元的變化同時構造出HTML字串，所以當字串讀取完畢後，即構造出一個完整的HTML字串。

10.舉例

Word檔案

HTML檔案

11.原始碼

WordExcelToHtml.java

[java] view plaincopyprint?
  1. package com;  
  2. import java.io.BufferedWriter;  
  3. import java.io.File;  
  4. import java.io.FileInputStream;  
  5. import java.io.FileNotFoundException;  
  6. import java.io.FileOutputStream;  
  7. import java.io.IOException;  
  8. import java.io.OutputStream;  
  9. import java.io.OutputStreamWriter;  
  10. import org.apache.poi.hwpf.HWPFDocument;  
  11. import org.apache.poi.hwpf.model.PicturesTable;  
  12. import org.apache.poi.hwpf.usermodel.CharacterRun;  
  13. import org.apache.poi.hwpf.usermodel.Picture;  
  14. import org.apache.poi.hwpf.usermodel.Range;  
  15. import org.apache.poi.hwpf.extractor.WordExtractor;  
  16. import org.apache.poi.hwpf.usermodel.Paragraph;     
  17. import org.apache.poi.hwpf.usermodel.Table;     
  18. import org.apache.poi.hwpf.usermodel.TableCell;     
  19. import org.apache.poi.hwpf.usermodel.TableIterator;     
  20. import org.apache.poi.hwpf.usermodel.TableRow;     
  21. publicclass WordExcelToHtml {  
  22. /** 
  23.      * 回車符ASCII碼 
  24.      */
  25. privatestaticfinalshort ENTER_ASCII = 13;  
  26. /** 
  27.      * 空格符ASCII碼 
  28.      */
  29. privatestaticfinalshort SPACE_ASCII = 32;  
  30. /** 
  31.      * 水平製表符ASCII碼 
  32.      */
  33. privatestaticfinalshort TABULATION_ASCII = 9;  
  34. publicstatic String htmlText = "";  
  35. publicstatic String htmlTextTbl = "";  
  36. publicstaticint counter=0;  
  37. publicstaticint beginPosi=0;  
  38. publicstaticint endPosi=0;  
  39. publicstaticint beginArray[];  
  40. publicstaticint endArray[];  
  41. publicstatic String htmlTextArray[];  
  42. publicstaticboolean tblExist=false;  
  43. publicstaticfinal String inputFile="c://bb.doc";  
  44. publicstaticvoid main(String argv[])  
  45.     {         
  46. try {  
  47.             getWordAndStyle(inputFile);  
  48.         } catch (Exception e) {  
  49. // TODO Auto-generated catch block
  50.             e.printStackTrace();  
  51.         }  
  52.     }  
  53. /** 
  54.      * 讀取每個文字樣式 
  55.      *  
  56.      * @param fileName 
  57.      * @throws Exception 
  58.      */
  59. publicstaticvoid getWordAndStyle(String fileName) throws Exception {  
  60.         FileInputStream in = new FileInputStream(new File(fileName));  
  61.         HWPFDocument doc = new HWPFDocument(in);  
  62.          Range rangetbl = doc.getRange();//得到文件的讀取範圍   
  63.          TableIterator it = new TableIterator(rangetbl);   
  64. int num=100;          
  65.          beginArray=newint[num];  
  66.          endArray=newint[num];  
  67.          htmlTextArray=new String[num];  
  68. // 取得文件中字元的總數
  69. int length = doc.characterLength();  
  70. // 建立圖片容器
  71.         PicturesTable pTable = doc.getPicturesTable();  
  72.         htmlText = "<html><head><title>" + doc.getSummaryInformation().getTitle() + "</title></head><body>";  
  73. // 建立臨時字串,好加以判斷一串字元是否存在相同格式
  74. if(it.hasNext())  
  75.          {  
  76.              readTable(it,rangetbl);  
  77.          }  
  78. int cur=0;  
  79.         String tempString = "";  
  80. for (int i = 0; i < length - 1; i++) {  
  81. // 整篇文章的字元通過一個個字元的來判斷,range為得到文件的範圍
  82.             Range range = new Range(i, i + 1, doc);  
  83.             CharacterRun cr = range.getCharacterRun(0);   
  84. //beginArray=new int[num];
  85. //endArray=new int[num];
  86. //htmlTextArray=new String[num];
  87. if(tblExist)  
  88.             {  
  89. if(i==beginArray[cur])  
  90.                 {          
  91.                     htmlText+=tempString+htmlTextArray[cur];  
  92.                     tempString="";  
  93.                     i=endArray[cur]-1;  
  94.                     cur++;  
  95. continue;  
  96.                 }  
  97.             }  
  98. if (pTable.hasPicture(cr)) {  
  99.                 htmlText +=  tempString ;                 
  100. // 讀寫圖片             
  101.                 readPicture(pTable, cr);  
  102.                 tempString = "";                  
  103.             }   
  104. else {  
  105.                 Range range2 = new Range(i + 1, i + 2, doc);  
  106. // 第二個字元
  107.                 CharacterRun cr2 = range2.getCharacterRun(0);  
  108. char c = cr.text().charAt(0);  
  109.                 System.out.println(i+"::"+range.getEndOffset()+"::"+range.getStartOffset()+"::"+c);  
  110. // 判斷是否為回車符
  111. if (c == ENTER_ASCII)  
  112.                     {  
  113.                     tempString += "<br/>";  
  114.                     }  
  115. // 判斷是否為空格符
  116. elseif (c == SPACE_ASCII)  
  117.                     tempString += " ";  
  118. // 判斷是否為水平製表符
  119. elseif (c == TABULATION_ASCII)  
  120.                     tempString += "    ";  
  121. // 比較前後2個字元是否具有相同的格式
  122. boolean flag = compareCharStyle(cr, cr2);  
  123. if (flag)  
  124.                     tempString += cr.text();  
  125. else {  
  126.                     String fontStyle = "<span style="font-family:" + cr.getFontName() + ";font-size:" + cr.getFontSize() / 2 + "pt;";  
  127. if (cr.isBold())  
  128.                         fontStyle += "font-weight:bold;";  
  129. if (cr.isItalic())  
  130.                         fontStyle += "font-style:italic;";  
  131.                     htmlText += fontStyle + "" mce_style="font-family:" + cr.getFontName() + ";font-size:" + cr.getFontSize() / 2 + "pt;";  
  132. if (cr.isBold())  
  133.                         fontStyle += "font-weight:bold;";  
  134. if (cr.isItalic())  
  135.                         fontStyle += "font-style:italic;";  
  136.                     htmlText += fontStyle + "">" + tempString + cr.text() + "</span>";  
  137.                     tempString = "";  
  138.                 }  
  139.             }  
  140.         }  
  141.         htmlText += tempString+"</body></html>";  
  142.         writeFile(htmlText);  
  143.     }  
  144. /** 
  145.      * 讀寫文件中的表格 
  146.      *  
  147.      * @param pTable 
  148.      * @param cr 
  149.      * @throws Exception 
  150.      */
  151. publicstaticvoid readTable(TableIterator it, Range rangetbl) throws Exception {  
  152.         htmlTextTbl="";  
  153. //迭代文件中的表格  
  154.         counter=-1;  
  155. while (it.hasNext())   
  156.         {   
  157.             tblExist=true;  
  158.              htmlTextTbl="";  
  159.              Table tb = (Table) it.next();      
  160.              beginPosi=tb.getStartOffset() ;  
  161.              endPosi=tb.getEndOffset();  
  162.              System.out.println("............"+beginPosi+"...."+endPosi);  
  163.              counter=counter+1;  
  164. //迭代行，預設從0開始
  165.              beginArray[counter]=beginPosi;  
  166.              endArray[counter]=endPosi;  
  167.              htmlTextTbl+="<table border>";  
  168. for (int i = 0; i < tb.numRows(); i++) {        
  169.              TableRow tr = tb.getRow(i);     
  170.              htmlTextTbl+="<tr>";  
  171. //迭代列，預設從0開始   
  172. for (int j = 0; j < tr.numCells(); j++) {        
  173.                  TableCell td = tr.getCell(j);//取得單元格
  174. int cellWidth=td.getWidth();  
  175. //取得單元格的內容   
  176. for(int k=0;k<td.numParagraphs();k++){        
  177.                          Paragraph para =td.getParagraph(k);        
  178.                          String s = para.text().toString().trim();     
  179. if(s=="")  
  180.                          {  
  181.                              s=" ";  
  182.                          }  
  183.                          System.out.println(s);     
  184.                          htmlTextTbl += "<td width="+cellWidth+ ">"+s+"</td>";  
  185.                          System.out.println(i+":"+j+":"+cellWidth+":"+s);  
  186.                     } //end for       
  187.                  }   //end for   
  188.               }   //end for   
  189.             htmlTextTbl+="</table>" ;      
  190.             htmlTextArray[counter]=htmlTextTbl;  
  191.         } //end while 
  192.     }     
  193. /** 
  194.      * 讀寫文件中的圖片 
  195.      *  
  196.      * @param pTable 
  197.      * @param cr 
  198.      * @throws Exception 
  199.      */
  200. publicstaticvoid readPicture(PicturesTable pTable, CharacterRun cr) throws Exception {  
  201. // 提取圖片
  202.         Picture pic = pTable.extractPicture(cr, false);  
  203. // 返回POI建議的圖片檔名
  204.         String afileName = pic.suggestFullFileName();  
  205.         OutputStream out = new FileOutputStream(new File("c://test" + File.separator + afileName));  
  206.         pic.writeImageContent(out);  
  207.         htmlText += "<img src="c://test//" + afileName + "" mce_src="c://test//" + afileName + ""/>";
  208.     }  
  209. publicstaticboolean compareCharStyle(CharacterRun cr1, CharacterRun cr2)   
  210.     {  
  211. boolean flag = false;  
  212. if (cr1.isBold() == cr2.isBold() && cr1.isItalic() == cr2.isItalic() && cr1.getFontName().equals(cr2.getFontName()) && cr1.getFontSize() == cr2.getFontSize())   
  213.         {  
  214.             flag = true;  
  215.         }  
  216. return flag;  
  217.     }  
  218. /** 
  219.      * 寫檔案 
  220.      *  
  221.      * @param s 
  222.      */
  223. publicstaticvoid writeFile(String s) {  
  224.         FileOutputStream fos = null;  
  225.         BufferedWriter bw = null;  
  226. try {  
  227.             File file = new File("c://abc.html");  
  228.             fos = new FileOutputStream(file);  
  229.             bw = new BufferedWriter(new OutputStreamWriter(fos));  
  230.             bw.write(s);  
  231.         } catch (FileNotFoundException fnfe) {  
  232.             fnfe.printStackTrace();  
  233.         } catch (IOException ioe) {  
  234.             ioe.printStackTrace();  
  235.         } finally {  
  236. try {  
  237. if (bw != null)  
  238.                     bw.close();  
  239. if (fos != null)  
  240.                     fos.close();  
  241.             } catch (IOException ie) {  
  242.             }  
  243.         }  
  244.     }  

相關推薦

Java引用POI實現Word轉Html方法

1.下載POI工具並引用 2.讀取整個doc文件，獲得該文件的所有字串。 3.從該字串中得到標題，把該標題構成一個HTML格式的字串，如<html><head><title>測試文件</title></head&

POI實現Word轉HTML檔案

package cn.wgd.util; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.IOExcept

用poi實現doc轉html

alt 保存圖片 man input bdb result amr try catch 廢話，不多說直接上代碼。 一、doc轉html，並且帶文件夾 / * word轉html * html轉圖片 * @param tagPath 轉換htm

以poi實現PPT轉html

temp nts user 阿裏 oat ali bag exc ffffff 哈哈，終於兩個月了（筆者不玩網遊，雖然脾氣越來越不好，但是生活越來越充實）。不扯了，今晚還要再寫一篇呢，直接上代碼。 package com.css.java.learn

poi實現doc轉html獲取帶樣式內容，並在ueditor中顯示

doc轉html獲取帶樣式內容，並在ueditor中顯示 工具類： 獲取返回的內容，存到資料庫。 package com.wb.core.utils; import org.apache.poi.hwpf.HWPFDocument; import org.apach

C# web實現word 轉Html、office轉Html、pdf轉圖片 線上預覽檔案

 改篇 pdf 預覽再本機沒問題，釋出再iis中 不行 ，（使用剪貼簿的問題..excel和word 可以,） 詳細配置及程式碼 word 轉Html 複製程式碼  1 /// <summary>  2         /// word轉成html  3  

Java:封裝POI實現word的docx檔案的簡單模板功能

一:場景 通過Word模板來實現動態的word生成 二: 基本要求 1:替換文字中的內容 2:替換表格中的內容(不用動態生成表格) 3:替換後的內容應該與替換前的內容格式相同 4:模板修改方便 5:效果如下: 模板: 結果: 三:p

java實現線上預覽--poi實現word、excel、ppt轉html

分享一下我的偶像大神的人工智慧教程！http://blog.csdn.net/jiangjunshow 也歡迎轉載我的文章，轉載請註明出處 https://blog.csdn.net/aabbyyz java實現線上預覽 - -之poi實現word、e

java實現線上預覽--poi實現word excel ppt轉html

                        java實現線上

java語言通過Aspose元件 實現word轉pdf、png、html..

    ：使用Aspose元件可以實現word向DOC, DOCX, OOXML, RTF HTML,OpenDocument, PDF,EPUB, XPS, SWF 轉換 由於基本方法都一樣，在此我只展示word轉pdf的功能      前期準備： MyEcl

java 實現word 轉PDF （採用第三方技術 IText、Poi、Jsoup）

    先講講思路：                        第一步：使用 poi 將word轉換成 html，這裡程式碼一搜一堆沒什麼好說的，千篇一律。                         （值得注意的地方是IText 根據html生成pdf檔案的時候

java用poi實現對word讀取和修改操作（轉）

java程式設計要實現對word的操作沒有vb那種程式語言來得容易，得藉助一些開源元件，其中就包括jacob、poi等， 而poi應用得最為廣泛，對word2003和2007的讀和寫word操作都十分方便。它是Apache組織的一個專案，早在2001年就已經發布了第 一個版本，可以說是apache組織的一

java實現word轉pdf第二種方法

import java.io.FileInputStream;   import java.io.FileOutputStream;   import java.io.InputStream;   import java.io.OutputStream;   import java.util.HashMap;

[轉載]java實現word轉pdf

write 方法 class toolbar servlet 效果 app 文檔 實現 　最近遇到一個項目需要把word 轉成pdf，百度了一下網上的方案有很多,比如虛擬打印、給word 裝擴展插件等，這些方案都依賴於ms word 程序，在java代碼中也得使用諸如jac

實現word轉pdf，HTML轉pdf（探索篇）

ner ase node eth ack line prope fin -o 筆者找依賴的jar包，找的好辛苦。 ITextRenderer、ITextFontResolver這兩個類依賴的jar包到底是哪個，還有怎麽下載？苦苦糾結了3個小時。終於找到你了！記錄個網址：ht

POI將word轉化為html

參考資料 1.POI包依賴：https://poi.apache.org/components/index.html 2.包版本問題：https://bbs.csdn.net/topics/392208805 並沒有使用其中的3.9的版本，使用的為3.13 最開始使用的

PCB MS SQL 標量函式(CLR) 實現DataTable轉HTML的方法

 一.準備需轉為HMLT字串的DataTable資料       在資料庫中執行一段SQL返回的資料                 需轉換後的HTML的文字 <

Java實現Word轉PDF方案選擇

Java實現Word轉PDF方案選擇       很多應用場景中都會涉及到Word轉PDF，但Word轉PDF的方案在網上一搜一大把，讓人眼花繚亂，筆者踩過無數的坑後，最終總結出以下三種方案 OpenOffice實現

Word轉html實現線上預覽

word轉html,可以同時支援doc和docx兩種格式，非常好用 開發工具：idea 專案管理工具：maven 不多說，直接擼程式碼 1、首先配置pom.xml檔案,具體配置如下 2、工具類的開發 /** * WORD轉HTML docx格式 * POI版本: 3.10-

C#實現的word轉html命令列工具

需求 有個CMS系統的詳細資訊的來源是人手工編寫的word文件，需求如下： 文件是手工編輯而成的word文件(.docx) 文件具備一定的基本格式，其中包括標題、圖片、流程圖、簡介、按序號排布的詳細說明 初步只需要將這些文件可以以html頁面的形