POI-Wort 转 html

Mit der Entwicklung des Internets ist HTML zur gebräuchlichsten Sprache für die Erstellung von Webseiten geworden, und Word ist eine der beliebtesten Bürosoftware, und die damit erstellten Dokumente werden in allen Lebensbereichen häufig verwendet. Durch die Konvertierung von Word-Dokumenten in das HTML-Format können diese daher besser im Internet veröffentlicht werden. In diesem Artikel wird eine Methode zum Konvertieren von Word in HTML basierend auf der POI-Bibliothek vorgestellt.

1. Einführung in die POI-Bibliothek

Apache POI ist eine Java-API zum Lesen und Schreiben von Microsoft Office-Binärformatdateien. POI bietet eine Reihe von Standard-APIs zur Verarbeitung von Dateien in den Formaten .doc, .docx, .ppt, .pptx, .xls und .xlsx. Die neueste Version von POI ist 4.1.2, die alle Versionen von Office-Dokumentformaten unterstützt, einschließlich Office 97-2003, Office 2007-2013 und Office 2016.

2. Verwenden Sie POI, um Word in HTML zu konvertieren.

Basierend auf der POI-Bibliothek können wir Text, Tabellen, Bilder, Hyperlinks und Stile in Word in das HTML-Format konvertieren. Die spezifischen Implementierungsschritte sind wie folgt:

1. Word-Dokument laden

Zuerst müssen wir das Word-Dokument laden. POI stellt die XWPFDocument-Klasse zum Laden von Word-Dokumenten im .docx-Format und die HWPFDocument-Klasse zum Laden von .doc-Dokumenten im alten Format bereit.

Zum Beispiel wird der folgende Code verwendet, um ein Word-Dokument mit dem Namen „test.docx“ zu laden:

FileInputStream fis = new FileInputStream(new File("test.docx"));
XWPFDocument document = new XWPFDocument(fis);

2. Text und Stile extrahieren

Als nächstes müssen wir die Absätze, Texte und Stile im Word durchlaufen Dokument zum Generieren von HTML, um die Struktur und den Stil des Dokuments besser darzustellen.

Der erste Schritt besteht darin, jeden Absatz durchzugehen. Für jeden Absatz müssen wir seine Stileigenschaften wie Schriftart, Farbe, Fettdruck usw. extrahieren. Wir müssen auch den Text im Absatz extrahieren.

List<XWPFParagraph> paragraphs = document.getParagraphs();
for (XWPFParagraph para : paragraphs) {
    String text = para.getParagraphText();
    // 提取样式属性
    CTPPr ppr = para.getCTP().getPPr();
    // ...
}

3. Textinhalt verarbeiten

Wir müssen den Textinhalt im Word-Dokument in das HTML-Format konvertieren und ausgeben. Wir können jeden Text durch Tags und Stile wie Fett, Kursiv und Unterstrichen darstellen.

Darüber hinaus gibt es in Word-Dokumenten manchmal Sonderzeichen wie Leerzeichen, Tabulatoren, Zeilenumbrüche usw. Wir müssen diese Sonderzeichen in entsprechende Tags in HTML umwandeln.

StringBuilder sb = new StringBuilder();
for (XWPFRun run : runs) {
    String text = run.getText(0);
    if(text != null) {
        // 转换特殊字符
        text = text.replace("    ", "<span>&emsp;</span>");
        text = text.replace(" ", "<span> </span>");
        text = text.replace("
", "<br>");
        // 将文本转换为HTML
        String style = getStyle(run);
        sb.append("<span ").append(style).append(">").append(text).append("</span>");
    }
}
String content = sb.toString();

4. Bilder und Hyperlinks verarbeiten

Nach der Textverarbeitung müssen wir die Bilder und Hyperlinks im Word-Dokument verarbeiten. POI stellt die XWPFRun-Klasse zur Verarbeitung von Bildern und Hyperlinks bereit.

Für Bilder können wir zunächst die Binärdaten extrahieren und in den entsprechenden Tag in HTML schreiben:

List<XWPFPicture> pictures = run.getEmbeddedPictures();
for (XWPFPicture pic : pictures) {
    try {
        byte[] data = pic.getPictureData().getData();
        String ext = pic.getPictureData().suggestFileExtension();
        String filename = UUID.randomUUID().toString() + "." + ext;
        // 将图片转换为HTML格式
        String imgHtml = "<img src="" + filename + "" />";
        // 写入文件
        FileOutputStream fos = new FileOutputStream(new File(outputDir, filename));
        fos.write(data);
        fos.close();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

Für Hyperlinks müssen wir die Adresse und den Text extrahieren und sie in den entsprechenden HTML-Tag schreiben:

CTHyperlink hyperlink = run.getCTR().getHyperlinkArray(0);
if (hyperlink != null) {
    String url = hyperlink.getRArray(0).getT();
    String text = content.substring(start, end);
    String linkHtml = "<a href="" + url + "">" + text + "</a>";
    content = content.substring(0, start) + linkHtml + content.substring(end);
}

5 . HTML-Datei ausgeben

Abschließend schreiben wir den generierten HTML-Text in die .HTML-Datei und speichern die Datei im angegebenen Verzeichnis:

File outputDir = new File("output");
if (!outputDir.exists()) {
    outputDir.mkdirs();
}
FileOutputStream htmlFile = new FileOutputStream(new File(outputDir, "test.html"));
String html = "<!DOCTYPE html><html><head><meta charset="UTF-8"></head><body>" + content + "</body></html>";
htmlFile.write(html.getBytes("UTF-8"));
htmlFile.close();

3. Zusammenfassung

In diesem Artikel wird eine Methode zum Konvertieren von Word in HTML basierend auf dem POI vorgestellt Diese Methode kann den Text, die Tabellen, die Bilder, die Hyperlinks und die Stile im Word-Dokument in das HTML-Format konvertieren und in eine HTML-Datei im angegebenen Verzeichnis ausgeben. Diese Methode eignet sich für Szenarien, in denen Word-Dokumente im Internet veröffentlicht werden müssen, z. B. E-Books, Aufsätze, technische Dokumente usw.

Das obige ist der detaillierte Inhalt vonPOI-Wort 转 html. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!