自己动手写优快云博客提取器源码分析之二：处理网页保存为doc文件

转载自： http://blog.youkuaiyun.com/w397090770/article/details/7768089

 

下面是把抓取到的网页用itext包保存为doc文件，过程很简单的。下面是这个类的实现：

[java] view plain copy

1. /** 
2.  *  
3.  */  
4. package com.wyp.html2doc;  
5.   
6. import java.io.File;  
7. import java.io.FileOutputStream;  
8. import java.io.StringReader;  
9. import java.util.List;  
10.   
11. import com.lowagie.text.Document;  
12. import com.lowagie.text.Element;  
13. import com.lowagie.text.HeaderFooter;  
14. import com.lowagie.text.PageSize;  
15. import com.lowagie.text.Paragraph;  
16. import com.lowagie.text.Phrase;  
17. import com.lowagie.text.Rectangle;  
18. import com.lowagie.text.html.simpleparser.HTMLWorker;  
19. import com.lowagie.text.html.simpleparser.StyleSheet;  
20. import com.lowagie.text.rtf.RtfWriter2;  
21.   
22. /** 
23.  * @author w397090770 
24.  * Create Data: 2012-7-18 
25.  * Email: wyphao.2007@163.com 
26.  *  
27.  * 版权所有，翻版不究，但是在修改本程序的时候务必加上这些注释。谢谢 
28.  * 仅用于学习交流之用 
29.  */  
30. public class saveAsDOC {  
31.     @SuppressWarnings("unchecked")  
32.     public  void getDoc(File file, String contents, String title) throws Exception {  
33.         //file是保存文件的文件夹路径，contests是前面处理好的网页源码，title是帖子的标题，用于标记生成的文件名          
34.         File saveFileName = new File(file.getAbsoluteFile() + File.separator + title + ".doc");  
35.         if(!saveFileName.exists()){  
36.             saveFileName.createNewFile();  
37.         }else{      //和以前处理txt文件一样，如果先前这个文件已经存在，我们就不打算再去生成doc文件了，直接返回  
38.             return;  
39.         }  
40.         // 设置纸张大小  
41.         Document document = new Document(PageSize.A4);  
42.         // 建立一个书写器(Writer)与document对象关联，通过书写器(Writer)可以将文档写入到磁盘中  
43.         RtfWriter2.getInstance(document,new FileOutputStream(saveFileName));  
44.         document.open();  
45.         // 设置中文字体  
46.         //BaseFont bfChinese = BaseFont.createFont("STSongStd-Light","UniGB-UCS2-H", BaseFont.NOT_EMBEDDED);  
47.         // 正文字体风格  
48.         //Font contextFont = new Font(bfChinese, 12, Font.NORMAL);  
49.           
50.         // 添加页眉  
51.         HeaderFooter header = new HeaderFooter(new Phrase(title), false);  
52.         header.setAlignment(Rectangle.ALIGN_CENTER);  
53.         document.setHeader(header);  
54.         // 添加页脚  
55.         /*HeaderFooter footer = new HeaderFooter(new Phrase(), false); 
56.         footer.setAlignment(Rectangle.ALIGN_CENTER); 
57.         document.setFooter(footer);*/  
58.           
59.           
60.         Paragraph paragraph = new Paragraph();  
61.         paragraph.setAlignment(Element.ALIGN_LEFT);  
62.         paragraph.setFirstLineIndent(20);  
63.   
64.         StyleSheet ss = new StyleSheet();  
65.         // 添加网页里面的东西  
66.         List<Element>htmlList = HTMLWorker.parseToList(new StringReader(contents),ss);  
67.         for (int i = 0; i < htmlList.size(); i++) {  
68.             Element e = htmlList.get(i);  
69.             paragraph.add(e);  
70.         }  
71.   
72.         document.add(paragraph);  
73.         document.close();  
74.     }  
75. }  

 

代码很简单吧。