java如何把html转成word

Java如何把HTML转成Word：使用Apache POI库、利用JSoup解析HTML、结合XWPFDocument处理、设置样式和格式。

在Java中，将HTML文件转换成Word文档的流程主要包括使用Apache POI库来创建和操作Word文档，利用JSoup库来解析HTML内容，并结合XWPFDocument类来进行处理和格式设置。Apache POI库是一个强大的Java API，用于操作Microsoft文档，包括Word和Excel。JSoup则是一个用于解析、操作和清理HTML的Java库。下面将详细介绍如何使用这些工具来完成HTML到Word的转换。

一、使用Apache POI库

Apache POI是一个开源的Java库，可以用于读写Microsoft Office文档。对于Word文档，POI提供了HWPF和XWPF两个API，前者用于操作旧版的.doc文件，后者用于操作新版的.docx文件。我们将使用XWPFDocument类来创建和操作Word文档。

1、初始化Apache POI

首先，我们需要在项目中引入Apache POI库。可以通过Maven依赖来引入：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.0.0</version>
</dependency>

然后，我们可以创建一个XWPFDocument对象来代表我们的Word文档。

XWPFDocument document = new XWPFDocument();

2、解析HTML

为了解析HTML内容，我们将使用JSoup库。JSoup可以方便地解析HTML字符串，并提供丰富的API来遍历和操作HTML文档。

首先，引入JSoup库：

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.14.2</version>
</dependency>

然后，我们可以使用JSoup来解析HTML字符串：

String html = "<html><body><h1>Title</h1><p>This is a paragraph.</p></body></html>";
Document doc = Jsoup.parse(html);

3、遍历HTML节点

解析HTML之后，我们需要遍历HTML节点，并将其转换为相应的Word文档内容。对于每个HTML节点，我们可以使用XWPFParagraph和XWPFRun来创建段落和文本。

Element body = doc.body();
for (Element element : body.children()) {
    if (element.tagName().equals("h1")) {
        XWPFParagraph paragraph = document.createParagraph();
        XWPFRun run = paragraph.createRun();
        run.setText(element.text());
        run.setBold(true);
        run.setFontSize(20);
    } else if (element.tagName().equals("p")) {
        XWPFParagraph paragraph = document.createParagraph();
        XWPFRun run = paragraph.createRun();
        run.setText(element.text());
        run.setFontSize(12);
    }
}

4、保存Word文档

最后，我们可以将创建好的XWPFDocument保存为一个.docx文件。

try (FileOutputStream out = new FileOutputStream("output.docx")) {
    document.write(out);
}

二、设置样式和格式

为了使Word文档更加美观和专业，我们可以设置更多的样式和格式。例如，设置段落的对齐方式、添加表格、插入图片等。

1、设置段落对齐方式

我们可以使用XWPFParagraph的setAlignment方法来设置段落的对齐方式。

XWPFParagraph paragraph = document.createParagraph();
paragraph.setAlignment(ParagraphAlignment.CENTER);
XWPFRun run = paragraph.createRun();
run.setText("Centered text");

2、添加表格

我们可以使用XWPFTable类来创建和操作表格。

XWPFTable table = document.createTable();
XWPFTableRow row = table.getRow(0);
row.getCell(0).setText("Cell 1");
row.addNewTableCell().setText("Cell 2");
XWPFTableRow secondRow = table.createRow();
secondRow.getCell(0).setText("Cell 3");
secondRow.getCell(1).setText("Cell 4");

3、插入图片

我们可以使用XWPFRun的addPicture方法来插入图片。

XWPFParagraph paragraph = document.createParagraph();
XWPFRun run = paragraph.createRun();
try (FileInputStream is = new FileInputStream("image.jpg")) {
    run.addPicture(is, Document.PICTURE_TYPE_JPEG, "image.jpg", Units.toEMU(200), Units.toEMU(200));
}

三、处理复杂HTML结构

在实际应用中，HTML文档可能包含更复杂的结构，例如嵌套的元素、列表、链接等。我们需要对这些复杂的HTML结构进行处理，以确保转换后的Word文档保持原有的格式和样式。

1、处理嵌套元素

对于嵌套的HTML元素，我们可以使用递归的方法来遍历和处理每个节点。

private void processElement(XWPFDocument document, Element element) {
    for (Element child : element.children()) {
        if (child.tagName().equals("h1")) {
            XWPFParagraph paragraph = document.createParagraph();
            XWPFRun run = paragraph.createRun();
            run.setText(child.text());
            run.setBold(true);
            run.setFontSize(20);
        } else if (child.tagName().equals("p")) {
            XWPFParagraph paragraph = document.createParagraph();
            XWPFRun run = paragraph.createRun();
            run.setText(child.text());
            run.setFontSize(12);
        } else {
            processElement(document, child);
        }
    }
}

2、处理列表

HTML中的无序列表和有序列表可以使用XWPFDocument的createNumbering方法来创建。

XWPFNumbering numbering = document.createNumbering();
String abstractNumId = numbering.addAbstractNum(new XWPFAbstractNum());
String numId = numbering.addNum(abstractNumId);
XWPFParagraph paragraph = document.createParagraph();
paragraph.setNumID(numId);
XWPFRun run = paragraph.createRun();
run.setText("List item 1");
paragraph = document.createParagraph();
paragraph.setNumID(numId);
run = paragraph.createRun();
run.setText("List item 2");

3、处理链接

HTML中的链接可以使用XWPFHyperlinkRun来创建。

XWPFParagraph paragraph = document.createParagraph();
XWPFHyperlinkRun hyperlink = paragraph.createHyperlinkRun("http://example.com");
hyperlink.setText("Click here");
hyperlink.setColor("0000FF");
hyperlink.setUnderline(UnderlinePatterns.SINGLE);

四、完整示例

下面是一个完整的示例代码，将一个简单的HTML字符串转换为Word文档，并设置了一些基本的样式和格式。

import org.apache.poi.xwpf.usermodel.*;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
public class HtmlToWordConverter {
    public static void main(String[] args) throws Exception {
        // 解析HTML
        String html = "<html><body><h1>Title</h1><p>This is a paragraph.</p><ul><li>Item 1</li><li>Item 2</li></ul><a href='http://example.com'>Click here</a></body></html>";
        Document doc = Jsoup.parse(html);
        // 创建Word文档
        XWPFDocument document = new XWPFDocument();
        // 处理HTML内容
        processElement(document, doc.body());
        // 保存Word文档
        try (FileOutputStream out = new FileOutputStream("output.docx")) {
            document.write(out);
        }
    }
    private static void processElement(XWPFDocument document, Element element) {
        for (Element child : element.children()) {
            if (child.tagName().equals("h1")) {
                XWPFParagraph paragraph = document.createParagraph();
                XWPFRun run = paragraph.createRun();
                run.setText(child.text());
                run.setBold(true);
                run.setFontSize(20);
            } else if (child.tagName().equals("p")) {
                XWPFParagraph paragraph = document.createParagraph();
                XWPFRun run = paragraph.createRun();
                run.setText(child.text());
                run.setFontSize(12);
            } else if (child.tagName().equals("ul")) {
                XWPFNumbering numbering = document.createNumbering();
                String abstractNumId = numbering.addAbstractNum(new XWPFAbstractNum());
                String numId = numbering.addNum(abstractNumId);
                for (Element li : child.children()) {
                    XWPFParagraph paragraph = document.createParagraph();
                    paragraph.setNumID(numId);
                    XWPFRun run = paragraph.createRun();
                    run.setText(li.text());
                }
            } else if (child.tagName().equals("a")) {
                XWPFParagraph paragraph = document.createParagraph();
                XWPFHyperlinkRun hyperlink = paragraph.createHyperlinkRun(child.attr("href"));
                hyperlink.setText(child.text());
                hyperlink.setColor("0000FF");
                hyperlink.setUnderline(UnderlinePatterns.SINGLE);
            } else {
                processElement(document, child);
            }
        }
    }
}

通过以上步骤，我们可以将HTML内容成功转换为Word文档，并保留原有的格式和样式。这种方法适用于各种复杂的HTML结构，并且可以根据需要进行扩展和定制。