使用JAVA将.docx转换为HTML

Question

使用JAVA将.docx转换为HTML

javaapache-tika

8

我尝试使用 WordToHtmlConverter 将 .doc 转换为 HTML，效果完美。

但是，当我尝试将 .docx 转换为 HTML 时卡住了。

我使用以下代码将 .docx 转换为 HTML：

我从以下链接尝试的代码：如何使用 Tika 的 XWPFWordExtractorDecorator 类？

        InputStream input = TikaInputStream.get(new File("C:\\Users\\Downloads\\filename.docx"));


        Parser parser = new AutoDetectParser();


        StringWriter sw = new StringWriter();
        SAXTransformerFactory factory = (SAXTransformerFactory)
                 SAXTransformerFactory.newInstance();
        TransformerHandler handler = factory.newTransformerHandler();
        handler.getTransformer().setOutputProperty(OutputKeys.METHOD, "html");
        handler.getTransformer().setOutputProperty(OutputKeys.INDENT, "yes");
        handler.setResult(new StreamResult(sw));


        try {
            Metadata metadata = new Metadata();
            parser.parse(input, handler, metadata, new ParseContext());
            String xml = sw.toString();
            System.out.print("tika : "+xml); 
        } finally {
            input.close();
        }

我得到的输出结果是：

<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title/>
</head>
<body/>
</html>

请解释我哪里做错了？
有没有更好的方法将.docx转换为html字符串？

感谢您的帮助，谢谢。

- Vignesh Paramasivam

@singe31，你没有理解我的意思。我已经使用hwpf转换器将.doc转换为html。但是我正在尝试对.docx进行转换，有什么方法吗？ - Vignesh Paramasivam

1

https://code.google.com/p/xdocreport/wiki/XWPFConverterXHTML - singe3

在最简单的情况下，.docx 文件是一个存档文件（你可以用类似于7zip的工具打开并查看其内容），其中包含一堆XML文件。考虑到这一点，您应该使用能够将XML转换为HTML的工具。 - JonK

你也可以看看Pandoc或者其他Java命令行工具。这些任务并不是那么简单，我不确定除了POI ATM之外是否有可用的API。 - rlegendi

你可以使用docx4j来实现，参考示例：https://github.com/plutext/docx4j/blob/master/src/samples/docx4j/org/docx4j/samples/ConvertOutHtml.java - Alexander Davliatov

显示剩余2条评论

2个回答

2

你可能想要使用Mammoth docx to HTML库。它是一个用于在浏览器端将doc，docx文档转换为html以显示和在后端处理的库。

该库支持JavaScript（浏览器和node.js），可在npm上获得；Python，可在PyPI上获得；WordPress；Java/JVM，可在Maven Central上获得；.NET，可在NuGet上获得。

链接：https://mike.zwobble.org/projects/mammoth/（演示和文章）

Github：https://github.com/mwilliamson/mammoth.js

- Rakshit Singh

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Vignesh Paramasivam · Accepted Answer

这段代码对我来说很有效，可以将.docx转换为html：

您还可以查看链接：代码链接

       //convert .docx to HTML string
        InputStream in= new FileInputStream(new File(path));
        XWPFDocument document = new XWPFDocument(in);


        XHTMLOptions options = XHTMLOptions.create().URIResolver(new FileURIResolver(new File("word/media")));

        OutputStream out = new ByteArrayOutputStream();


        XHTMLConverter.getInstance().convert(document, out, options);
        String html=out.toString();
        System.out.println(html);