无法使用 Java 将 docx 转换为 html答案

【问题标题】：Unable to convert docx to html using Java无法使用 Java 将 docx 转换为 html
【发布时间】：2013-01-05 15:42:09
【问题描述】：

我需要将 .docx 文件内容转换为 HTML 文本以便在 web ui 中显示。

我使用了 Apache POI 的 XWPFDocument 类，但还没有得到任何结果； 获取空字符串。我的代码基于this sample。

这也是我的代码：

public JSONObject uploadDocxFile(MultipartFile multipartFile) throws Exception {
        InputStream inputStream = multipartFile.getInputStream();
        XWPFDocument wordDocument = new XWPFDocument(inputStream);

        WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument());
        org.w3c.dom.Document htmlDocument = wordToHtmlConverter.getDocument();
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        DOMSource domSource = new DOMSource(htmlDocument);
        StringWriter stringWriter = new StringWriter();

        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, new StreamResult(stringWriter));
        out.close();

        String result = new String(out.toByteArray());
        String htmlText = result;

        JSONObject jsonObject = new JSONObject();
        jsonObject.put("content", htmlText);
        jsonObject.put("success", true);
        return jsonObject;
    }

【问题讨论】：

Converting a .docx to html using Apache POI and getting no text的可能重复
那里没有正确的答案。问题的所有者以与我相同的原因打开了该问题；但他添加了一条评论说他在获取文本时没有问题。

标签： html apache-poi document docx

【解决方案1】：

即使为时已晚，我认为之前的代码可以这样修改（它适用于word97文档）

    private static void convertWordDoc2HTML(File file)
    throws ParserConfigurationException, TransformerConfigurationException,TransformerException, IOException {       
    //change the type from XWPFDocument to HWPFDocument
    HWPFDocument hwpfDocument = null;
    try {
        FileInputStream fis = new FileInputStream(file);
        POIFSFileSystem fileSystem = new POIFSFileSystem(fis);          
             hwpfDocument = new HWPFDocument(fileSystem);

    } catch (IOException ex) {
        ex.printStackTrace();
    }

    WordToHtmlConverter wordToHtmlConverter = new   WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument());
    org.w3c.dom.Document htmlDocument = wordToHtmlConverter.getDocument();
    //add processDocument method 
    wordToHtmlConverter.processDocument(hwpfDocument);
    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();

    String result = new String(out.toByteArray());

    String htmlText = result;
    System.out.println(htmlText);

    }

希望对你有用。

【讨论】：

【解决方案2】：

我正在使用docx4j 来执行此操作，它似乎正在工作。如果您使用 Maven，您可以只使用 add the dependency（但使用版本 3.0.0），然后使用称为 ConvertOutHtml.java 的 docx4j sample programs 之一。只需将ConvertOutHtml.java 中的文件路径更改为指向您的文件，就可以了。

【讨论】：

【解决方案3】：

您的代码正在生成一个空的 html 输出，因为您没有在转换器中处理任何文档。

无论如何，如果它是一个 docx，您应该使用 XHTMLConverter 将其转换为 HTML 而不是 WordToHtmlConverter。见this answer

【讨论】：