java docx转html

源码地址：https://github.com/sunmaolin/wordToHtml
含doc转html，docx转html等相关实例代码。一看就会，一写就对。

前言

提示：本文使用POI工具进行转换。

需求：公司之前发布的报告内容是word文件。现在需要改为富文本编辑嵌入到页面中(为了被百度检索到)。之前发布的报告也需要修改保存。那现在出现的问题就是word如何转换为html格式，且图片需要上传到云存储中。
问题1： poi只针对于doc格式的文件可以做转换。docx做不到。
问题2： 针对问题1，我将docx另存为doc文件。转换后发现样式是写在style标签中。而我需要内联样式。也就是转为html文件是可以的，但是转为html片段可行性不高。当然也可以使用jsoup进行解析处理（太费劲）。
问题3： 针对问题2，我检索发现存在xdocreport插件可以将poi中的XWPF转换为HTML，且可以为内联样式。但是其中图片是存储到本地。我需要上传到云存储中。

针对问题3，下面是解决方案。

---

一、xdocreport是什么？

XDocReport means XML Document reporting. It’s Java API to merge XML document created with MS Office (docx) or OpenOffice (odt), LibreOffice (odt) with a Java model to generate report and convert it if you need to another format (PDF, XHTML…).

github：XDocReport

二、POM文件

新旧版本的使用方式不一样。但是原理是一模一样。由于XDocReport中已经依赖了POI。所以无需额外引入。如果项目中存在POI依赖。注意版本冲突。

2.1 老版本

<!--github https://github.com/opensagres/xdocreport -->
<dependency>
    <groupId>fr.opensagres.xdocreport</groupId>
    <artifactId>org.apache.poi.xwpf.converter.xhtml</artifactId>
    <version>1.0.5</version>
</dependency>

2.2 新版本

新版本，将名字改了，不在以org.apache.poi命名。

<!--github https://github.com/opensagres/xdocreport -->
<dependency>
    <groupId>fr.opensagres.xdocreport</groupId>
    <artifactId>fr.opensagres.poi.xwpf.converter.xhtml</artifactId>
    <version>2.0.3</version>
</dependency>

三、编码

此处只以新版本2.0.3进行编码。推荐使用。

3.1 自定义ImageManager

import fr.opensagres.poi.xwpf.converter.core.ImageManager;

import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

/**
 * 自定义word转html图片处理器
 * @author 孙茂林
 * @date 2022-06-10
 */
public class CustomImageManager extends ImageManager {

    /**
     * 根据插件自动生成的地址与上传到服务器的地址做映射缓存
     */
    Map<String, String> imageUrlCache = new HashMap<>();

    public CustomImageManager() {
        super(null, null);
    }

    @Override
    public String resolve(String uri) {
        return imageUrlCache.get(uri);
    }

    @Override
    public void extract(String imagePath, byte[] imageData) throws IOException {
        /*参数imagePath example: word/media/image1.png word/media/image2.png */
        // 1.保存图片到云存储服务器返回访问链接
        String serverImageUrl = "https://aliyun-xxx.fervwswv.image";
        // 2.做映射缓存
        imageUrlCache.put(imagePath, serverImageUrl);
    }
}

3.2.转换为html

import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.junit.Test;

import java.io.FileInputStream;
import java.io.FileOutputStream;

/**
 * @author 孙茂林
 * @date 2022-06-10
 */
public class CustomTestHtml {

    private static final String sourceFile = "C:\\Users\\QM\\Desktop\\a.docx";
    private static final String targetFile = "C:\\Users\\QM\\Desktop\\a.html";

    @Test
    public void poiDocxNew() throws Exception {

        FileInputStream fileInputStream = new FileInputStream(sourceFile);

        XWPFDocument wordDocument = new XWPFDocument(fileInputStream);

        // 使用自定义图片管理。直接将文件上传至云服务器
        XHTMLOptions xhtmlOptions = XHTMLOptions.create().setImageManager(new CustomImageManager());

		// 将样式都写为内联样式，而不是写到style标签中 默认false
        xhtmlOptions.setFragment(true);
        // 省略掉footer，header标签 默认false
        xhtmlOptions.setOmitHeaderFooterPages(true);
        // 忽略未用到的样式 默认true
        xhtmlOptions.setIgnoreStylesIfUnused(true);
        // 缩进 默认不缩进
        // xhtmlOptions.indent(10);

        XHTMLConverter.getInstance().convert(wordDocument, new FileOutputStream(targetFile), xhtmlOptions);

    }

}