【记录】java 利用 poi 将word 转html

记录下利用poi 将word文件转为html文件，兼容doc及docx。

本地main方法运行成功，用到的jar包包括：

关于jar:之前在网上搜索的内容，未找到具体jar的版本，于是随意下的版本，出现了nosuchmethod或者ClassNoDefException异常，就是说白了jar冲突。。。然后在maven库http://mvnrepository.com/search?q=pdf上把所有的2015年的这几个jar下载了，我猜测同一年的应该不会有jar冲突。（xmlbeans不是2015的）。

代码大致如下:

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
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.commons.io.output.ByteArrayOutputStream;
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.xwpf.converter.core.FileImageExtractor;
import org.apache.poi.xwpf.converter.core.IURIResolver;
import org.apache.poi.xwpf.converter.xhtml.XHTMLConverter;
import org.apache.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.w3c.dom.Document;

public class PoiUtil {
    public static void main(String[] args) {
        try {
            wordToHtml("d:\\12345.docx", "d:\\", "123456.html");
            wordToHtml("d:\\123.doc", "d:\\", "123.html");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    public static void wordToHtml(String wordPath, String htmlPath,
            String newFilename) throws Exception {
        convert2Html(wordPath, htmlPath, newFilename);
    }

    public static void writeFile(String content, String path) {
        FileOutputStream fos = null;
        BufferedWriter bw = null;
        try {
            File file = new File(path);
            fos = new FileOutputStream(file);
            bw = new BufferedWriter(new OutputStreamWriter(fos));
            bw.write(content);
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                if (bw != null)
                    bw.close();
                if (fos != null)
                    fos.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }

    /**
     * word转html，支持doc docx
     * @param fileName word文件名
     * @param outPutFilePath html存储路径
     * @param newFileName html名
     * @throws Exception
     */
    public static void convert2Html(String fileName, String outPutFilePath,
            String newFileName) throws Exception {
        
        String substring = fileName.substring(fileName.lastIndexOf(".") + 1);
        ByteArrayOutputStream out = new ByteArrayOutputStream();

        /**
         * word2007和word2003的构建方式不同， 前者的构建方式是xml，后者的构建方式是dom树。
         * 文件的后缀也不同，前者后缀为.docx，后者后缀为.doc 相应的，apache.poi提供了不同的实现类。
         */
        if ("docx".equals(substring)) {
            InputStream inputStream = new FileInputStream(new File(fileName));
            XWPFDocument document = new XWPFDocument(inputStream);

            final String imageUrl = "";

            XHTMLOptions options = XHTMLOptions.create();
            
            options.setExtractor(new FileImageExtractor(new File(outPutFilePath
                    + imageUrl)));
            options.setIgnoreStylesIfUnused(false);
            options.setFragment(true);
            options.URIResolver(new IURIResolver() {
                @Override
                public String resolve(String uri) {
                    return imageUrl + uri;
                }
            });

            XHTMLConverter.getInstance().convert(document, out, options);
        } else {
            HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(
                    fileName));
            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 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 {
                        pic.writeImageContent(new FileOutputStream(
                                outPutFilePath + pic.suggestFullFileName()));
                    } catch (FileNotFoundException e) {
                        e.printStackTrace();
                    }
                }
            }
            Document htmlDocument = wordToHtmlConverter.getDocument();
            DOMSource domSource = new DOMSource(htmlDocument);
            StreamResult streamResult = new StreamResult(out);

            TransformerFactory tf = TransformerFactory.newInstance(); // 这个应该是转换成xml的
            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()), outPutFilePath + newFileName);
    }

}