Apache POI docx：HTML 作为 altChunk答案

【问题标题】：Apache POI docx: HTML as an altChunkApache POI docx：HTML 作为 altChunk
【发布时间】：2021-08-06 08:43:21
【问题描述】：

早安
我想使用 Apache POI 将 HTML 作为 altChunk 添加到 DOCX 文件中。为此，我遵循了这个 stackoverflow 答案

How to add an altChunk element to a XWPFDocument using Apache POI

除了我的语言（意大利语）的特殊字符出现问题外，一切都完美无缺。
我的情况如下：我有一个外部 html 文件。要导入，我使用以下代码

byte[] inputBytes = Files.readAllBytes(Paths.get("testo.html"));
String xhtml = new String(inputBytes, StandardCharsets.UTF_8);

然后我使用 stackoverflow 答案中提供的代码生成 docx。
如果我解压缩“word”文件夹下的 .docx，则我有正确的文件“chunk1.html”。
如果我打开它，则会正确报告特殊字符，例如

L'attività in oggetto è:

但是当我在 Word 中打开文档时，我看到了这个

L'attivitÃ  in oggetto Ã¨:

是否有我错过的相同 Microsoft 配置？
创建块时是否需要指定字符集？

【问题讨论】：

HTML文件中文字的编码是什么？

标签： ms-word apache-poi

【解决方案1】：

Microsoft 似乎将ANSI 作为Word 中HTML 块的默认字符编码。这很烦人，因为现在整个其他世界都将 Unicode (UTF-8) 作为默认设置。

所以我们需要为HTML 明确设置字符集。在chunk的HTML的模板中做：

...
  private MyXWPFHtmlDocument(PackagePart part, String id) throws Exception {
   super(part);
   this.html = "<!DOCTYPE html><html><head><meta http-equiv=\"content-type\" content=\"text/html; charset=utf-8\"><style></style><title>HTML import</title></head><body></body>";
   this.id = id;
  }
...

我会推荐这个而不是使用 ANSI 编码来编码 HTML 块。

我也在How to add an altChunk element to a XWPFDocument using Apache POI 中将其编辑到我的答案中。

【讨论】：

非常感谢。你很善良。效果很好。