Java实现Word转HTML的方法

在Java中,有几种常见的方法可以将Word文档(.docx)转换为HTML格式，以下是几种主流的实现方式：

使用Apache POI (推荐)

Apache POI是处理Office文档的常用库，虽然它本身不直接支持Word转HTML，但可以通过组合使用其他库实现。

import org.apache.poi.xwpf.converter.core.XHTMLConverter;
import org.apache.poi.xwpf.converter.core.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import java.io.*;
public class WordToHtmlConverter {
    public static void convertDocxToHtml(String inputPath, String outputPath) throws IOException {
        try (InputStream in = new FileInputStream(inputPath);
             OutputStream out = new FileOutputStream(outputPath);
             XWPFDocument document = new XWPFDocument(in)) {
            XHTMLConverter.getInstance().convert(document, out, null);
        }
    }
    public static void main(String[] args) {
        try {
            convertDocxToHtml("input.docx", "output.html");
            System.out.println("转换成功！");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

依赖配置(Maven):

<dependencies>
    <!-- Apache POI for .docx files -->
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi</artifactId>
        <version>5.2.3</version>
    </dependency>
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi-ooxml</artifactId>
        <version>5.2.3</version>
    </dependency>
    <!-- POI Word to HTML converter -->
    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.poi.xwpf.converter.core</artifactId>
        <version>2.0.3</version>
    </dependency>
    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.poi.xwpf.converter.xhtml</artifactId>
        <version>2.0.3</version>
    </dependency>
</dependencies>

使用docx4j

docx4j是专门处理Office Open XML格式的库，支持Word转HTML。

import org.docx4j.convert.in.xhtml.XHTMLImporter;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.docx4j.openpackaging.parts.WordprocessingML.MainDocumentPart;
import java.io.File;
public class Docx4jConverter {
    public static void convertToHtml(String inputPath, String outputPath) throws Exception {
        WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new File(inputPath));
        MainDocumentPart documentPart = wordMLPackage.getMainDocumentPart();
        String html = XHTMLImporter.convert(documentPart, null);
        try (java.io.Writer out = new java.io.FileWriter(outputPath)) {
            out.write(html);
        }
    }
    public static void main(String[] args) {
        try {
            convertToHtml("input.docx", "output.html");
            System.out.println("转换成功！");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

依赖配置(Maven):

<dependencies>
    <dependency>
        <groupId>org.docx4j</groupId>
        <artifactId>docx4j</artifactId>
        <version>11.4.4</version>
    </dependency>
</dependencies>

使用iText (商业版)

iText提供了商业版本的Word转换功能,功能更强大但需要许可证。

import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.html.simpleparser.HTMLWorker;
import com.itextpdf.text.pdf.PdfWriter;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.StringReader;
public class ItextConverter {
    public static void convertDocxToHtml(String docxPath, String htmlPath) throws IOException, DocumentException {
        // 注意：iText本身不直接支持.docx转HTML，需要先转换为PDF再处理
        // 这里只是示例，实际实现会更复杂
    }
}

使用Jacob (Windows平台)

Jacob (Java-COM Bridge)允许调用Windows的COM组件进行转换。

import com.jacob.activeX.ActiveXComponent;
import com.jacob.com.Dispatch;
import com.jacob.com.Variant;
public class JacobConverter {
    public static void convertToHtml(String docxPath, String htmlPath) {
        ActiveXComponent word = new ActiveXComponent("Word.Application");
        try {
            word.setProperty("Visible", new Variant(false));
            Dispatch documents = word.getProperty("Documents").toDispatch();
            Dispatch document = Dispatch.call(documents, "Open", docxPath).toDispatch();
            Dispatch.call(document, "SaveAs", htmlPath, 8); // 8 represents HTML format
            Dispatch.call(document, "Close", new Variant(false));
        } finally {
            word.invoke("Quit", new Variant[0]);
        }
    }
}

依赖配置(Maven):

<dependency>
    <groupId>net.sf.jacob-project</groupId>
    <artifactId>jacob</artifactId>
    <version>1.20</version>
</dependency>

注意事项

1. 样式保留：不同库对Word样式的保留程度不同，可能需要额外配置
2. 图片处理：转换后的HTML可能需要单独处理图片
3. 性能考虑：大文件转换可能需要优化内存使用
4. 跨平台：Jacob仅适用于Windows平台，其他库是跨平台的

选择哪种方法取决于你的具体需求、项目环境以及对转换质量的要求，对于大多数Java应用场景，Apache POI + XHTMLConverter是较好的选择。