文档章节

Word2Html(doc docx)

小手冰凉丶
 小手冰凉丶
发布于 2016/06/20 15:08
字数 546
阅读 246
收藏 1

package com.htfg.dto;

import java.io.BufferedWriter;
import java.io.ByteArrayOutputStream;
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 java.util.List;

import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.transform.OutputKeys;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerException;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;

import org.apache.poi.POIXMLDocument;
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.Picture;
import org.apache.poi.hwpf.usermodel.PictureType;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xwpf.converter.core.BasicURIResolver;
import org.apache.poi.xwpf.converter.core.FileImageExtractor;
import org.apache.poi.xwpf.converter.core.FileURIResolver;
import org.apache.poi.xwpf.converter.xhtml.XHTMLConverter;
import org.apache.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.ParagraphAlignment;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.w3c.dom.Document;

public class DocumentTransformUtil {
    /**
     * doc2html核心方法
     * @param docFile doc文件
     * @param htmlFile html文件
     */
    public static void doc2Html(final File docFile,
            File htmlFile) {
        String imgsdirStr = docFile.getParentFile().getParent()+"\\temps\\imgs\\"+docFile.getName().replace(".doc", "");
        final File imgDir = new File(imgsdirStr);
        if(!imgDir.exists() && !imgDir.isDirectory()){
            imgDir.mkdir();
        }
        try {
            HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(docFile
                    ));
            WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(
                    DocumentBuilderFactory.newInstance().newDocumentBuilder()
                            .newDocument());
            wordToHtmlConverter.setPicturesManager(new PicturesManager() {
                public String savePicture(byte[] content,
                        PictureType pictureType, String suggestedName,
                        float widthInches, float heightInches) {
                    return "../temps/imgs/" +docFile.getName().replace(".doc", "")+"/"+ suggestedName;
                }
            });
            wordToHtmlConverter.processDocument(wordDocument);
            List pics = wordDocument.getPicturesTable().getAllPictures();
            if (pics != null) {
                for (int i = 0; i < pics.size(); i++) {
                    Picture pic = (Picture) pics.get(i);
                    try {
                        String imgtmppath = docFile.getParentFile().getParent()+"/temps/imgs/"+docFile.getName().replace(".doc", "")+"/";
                        pic.writeImageContent(new FileOutputStream(imgtmppath
                                + pic.suggestFullFileName()));
                    } catch (FileNotFoundException e) {
                        e.printStackTrace();
                    }
                }
            }
            Document htmlDocument = wordToHtmlConverter.getDocument();
            ByteArrayOutputStream out = new ByteArrayOutputStream();
            DOMSource domSource = new DOMSource(htmlDocument);
            StreamResult streamResult = new StreamResult(out);

            TransformerFactory tf = TransformerFactory.newInstance();
            Transformer serializer = tf.newTransformer();
            serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
            serializer.setOutputProperty(OutputKeys.INDENT, "yes");
            serializer.setOutputProperty(OutputKeys.METHOD, "html");
            serializer.transform(domSource, streamResult);
            out.close();
            writeFile(new String(out.toByteArray()), htmlFile);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    /**
     * docx格式word转换为html
     * 
     * @param fileName
     *            docx文件路径
     * @param outPutFile
     *            html输出文件路径
     * @throws TransformerException
     * @throws IOException
     * @throws ParserConfigurationException
     */
    public static void docx2Html(final File docFile,File htmlFile) throws TransformerException, IOException, ParserConfigurationException {
        
        String imgsdirStr = docFile.getParentFile().getParent()+"/temps/imgs/";
        final File imgDir = new File(imgsdirStr);
        
        long startTime = System.currentTimeMillis();
        OPCPackage pack = POIXMLDocument.openPackage(docFile.getPath());
        
        XWPFDocument document = new XWPFDocument(pack);
        XHTMLOptions options = XHTMLOptions.create().indent(4);
        // 导出图片
        
        
        options.URIResolver(new BasicURIResolver("http://localhost:8080/SearchBySolr/res/temps/imgs"));
         File imageFolder = new File(imgsdirStr);
            options.setExtractor(new FileImageExtractor(imageFolder));
        // URI resolver
        //options.URIResolver(new FileURIResolver(imageFolder));
         List<XWPFParagraph> paragraphs = document.getParagraphs();
           //段落的格式,下面及个设置,将使新添加的文字向左对其,无缩进.
           
           for(XWPFParagraph p:paragraphs){
               p.setIndentationLeft(2);
               p.setIndentationHanging(0);
               p.setAlignment(ParagraphAlignment.LEFT);
               p.setWordWrap(true);
           }
        
        
        OutputStream out = new FileOutputStream(htmlFile);
        XHTMLConverter.getInstance().convert(document, out, options);
        //System.out.println("Generate " + fileOutName + " with " + (System.currentTimeMillis() - startTime) + " ms.");

}
    /**
     * 把文件夹内doc转为htmls
     * @param docsDir docs保存目录
     * @param htmlsDir htmls保存路径
     */
    public static void docs2Htmls(File docsDir, File htmlsDir) {
        File[] files = docsDir.listFiles();
        for (File file : files) {
            doc2Html(file, new File(htmlsDir+"\\"+file.getName().replace(".doc", ".html")));
        }
    }
    public static void docxs2Htmls(File docsDir, File htmlsDir) {
        File[] files = docsDir.listFiles();
        for (File file : files) {
            doc2Html(file, new File(htmlsDir+"\\"+file.getName().replace(".docx", ".html")));
        }
    }
    
    /**
     * 把文档内用写入html文件
     * 
     * @param content
     *            文档内容
     * @param htmlFile
     *            html文件
     */
    private static void writeFile(String content, File htmlFile) {
        FileOutputStream fos = null;
        BufferedWriter bw = null;
        try {
            fos = new FileOutputStream(htmlFile);
            bw = new BufferedWriter(new OutputStreamWriter(fos, "utf-8"));
            bw.write(content);
        } catch (FileNotFoundException fnfe) {
            fnfe.printStackTrace();
        } catch (IOException ioe) {
            ioe.printStackTrace();
        } finally {
            try {
                if (bw != null)
                    bw.close();
                if (fos != null)
                    fos.close();
            } catch (IOException ie) {
                ie.printStackTrace();
            }
        }
    }
}
 

© 著作权归作者所有

小手冰凉丶
粉丝 5
博文 60
码字总数 17316
作品 0
合肥
程序员
私信 提问
freemarker生成docx,打开出现内容有错误

我用freemarker生成doc文件可以,但是生成docx文件后打开显示“文件已损坏,无法打开”。 我的步骤是:新建word2007文件,设置格式,另存为xml,改名为ftl,再用freemarker生成doc和docx文件...

wangch_sk
2013/04/10
4.4K
7
python docx文档转html页面

说到word文档转html的,网上一搜一大把,各种在线word转html页面,使用起来也方便。但是在实际项目中要使用的话,需要自己开发,这里就提供一个简单的方法。 后缀 .doc 和 .docx 都是word文档...

Mr_zebra
2018/11/20
101
0
使用POI读写word docx文件【docx总结的不错】

目录 1 读docx文件 1.1 通过XWPFWordExtractor读 1.2 通过XWPFDocument读 2 写docx文件 2.1 直接通过XWPFDocument生成 2.2 以docx文件作为模板 POI在读写word docx文件时是通过xwpf模块来进行...

Airship
03/13
65
0
java利用Freemarker模板生成docx格式的word文档

之前写过一篇利用Freemarker模板生成doc的博客,不过那个博客有点缺陷,生成的word占用的空间很大,几百页的word有将近100M了。所以,后面需求必须是生成的docx文档,结果导出后正常才几M,昨...

lemonLove
2018/11/24
2.6K
6
docx 转成 html java

我想把 docx 转成html 做在线预览 doc 可以成功得转过来 docx 就是不行 转过来 table 样式就没有了 用到得技术 poi openoffice jacob 其中jacob 可以但是linux服务器用不了 其他得两个 doc能...

看起来很好吃_你
2016/07/11
1K
1

没有更多内容

加载失败,请刷新页面

加载更多

自建redis笔记

自建redis笔记 最近在linux安装了一下redis,特做一些笔记! 本文先单节点启动redis,然后再进行持久化配置,在次基础上,再分享搭建主从模式的配置以及Sentinel 哨兵模式及集群的搭建 单节点...

北极之北
3分钟前
1
0
vue+element之多表单验证

方法一:利用promise var p1=new Promise(function(resolve, reject) { this.$refs[form1].validate((valid) => { if(valid){ ......

沉迷代码我爱学习
5分钟前
1
0
golang 1.13 errors 包 新函数介绍

引 这次 errors 包算重量级更新。很有更能把以前的一些设计模式给推到。下面聊下用法。 error 装包 以前返回一个错误,想要保存 error 链,还要定义结构体保存以前的 error 信息。感兴趣看下...

guonaihong
14分钟前
12
0
并发编程之线程池

一、线程池 1、什么是线程池 Java中的线程池是运用场景最多的并发框架,几乎所有需要异步或并发执行任务的程序 都可以使用线程池。在开发过程中,合理地使用线程池能够带来3个好处。 第一:降...

codeobj
17分钟前
2
0
知识点总结思维导图模板分享,良心安利,建议收藏

思维导图经常被用在学习中,对大脑思维进行发散,对知识进行记忆。使用思维导图可以让知识更加简单更有层次。下面是利用思维导图所绘制的几款知识点总结思维导图模板,大家可以进行进行参考使...

干货趣分享
20分钟前
2
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部