下面我将为你详细介绍几种方法,从最简单、最推荐到更复杂、更灵活的方案。
（图片来源网络，侵删）
核心思路
- 解析 Word 文档：使用 Apache POI 读取
.docx文件（.doc文件支持有限且复杂，强烈建议使用.docx）。 - ：遍历文档中的元素，如段落、表格、图片、列表等。
- 转换为 HTML 标签：将提取的 POI 对象映射到对应的 HTML 标签。
XWPFParagraph-><p>XWPFRun-><span>或直接包含在<p>中XWPFTable-><table>XWPFTableRow-><tr>XWPFTableCell-><td>- 图片 ->
<img>
- 处理样式：这是最复杂的部分，POI 的样式（如字体、颜色、对齐方式）需要转换为 CSS 样式。
- 保存为文件：将生成的 HTML 字符串写入
.html文件。
使用 docx4j (强烈推荐)
docx4j 是一个专门处理 Office Open XML 格式（如 .docx）的 Java 库，它内置了强大的 Word 到 HTML 的转换功能，使用起来非常简单，效果也最好。
添加依赖
在你的 pom.xml 文件中添加 docx4j 的依赖：
<dependency>
<groupId>org.docx4j</groupId>
<artifactId>docx4j-core</artifactId>
<version>11.4.4</version> <!-- 建议使用最新版本 -->
</dependency>
<dependency>
<groupId>org.docx4j</groupId>
<artifactId>docx4j-export-fo</artifactId>
<version>11.4.4</version>
</dependency>
<!-- 如果需要转换 .doc 文件，需要额外添加 -->
<dependency>
<groupId>org.docx4j</groupId>
<artifactId>docx4j-converter-microsoft</artifactId>
<version>11.4.4</version>
</dependency>
Java 代码实现
转换 .docx 文件：
import org.docx4j.Docx4J;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import java.io.File;
import java.io.FileOutputStream;
public class DocxToHtmlConverter {
public static void main(String[] args) {
try {
// 1. 加载 Word 文档
String inputPath = "path/to/your/document.docx";
String outputPath = "path/to/your/output.html";
WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new File(inputPath));
// 2. 转换为 HTML
// options 可以用来控制转换行为，例如是否包含页眉页脚
org.docx4j.convert.in.xhtml.XHTMLImporterImpl XHTMLImporter = new org.docx4j.convert.in.xhtml.XHTMLImporterImpl(wordMLPackage);
// Docx4J 提供了便捷的转换方法
String html = Docx4J.toHTML(wordMLPackage, null, Docx4J.FLAG_EXPORT_PREFER_XSL);
// 3. 保存 HTML 文件
try (FileOutputStream out = new FileOutputStream(outputPath)) {
out.write(html.getBytes("UTF-8"));
}
System.out.println("转换成功！HTML 文件已保存至: " + outputPath);
} catch (Exception e) {
e.printStackTrace();
}
}
}
优点：
（图片来源网络，侵删）
- 简单易用：几行代码即可完成转换。
- 功能强大：能很好地处理样式、图片、表格、页眉页脚等复杂内容。
- 高质量输出：生成的 HTML 和 CSS 结构清晰，可读性好。
缺点：
- 依赖库相对较大。
- 主要支持
.docx格式，对.doc的支持需要额外依赖且效果可能不佳。
使用 Apache POI 手动实现 (更灵活，但更复杂)
如果你不想引入 docx4j，或者需要完全控制转换过程的每一个细节，可以使用 Apache POI 手动实现。
添加依赖
在你的 pom.xml 文件中添加 Apache POI 的依赖：
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>5.2.3</version> <!-- 建议使用最新版本 -->
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>5.2.3</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>5.2.3</version>
</dependency>
Java 代码实现
这个例子会遍历段落和表格,并尝试处理一些基本样式。
import org.apache.poi.xwpf.usermodel.*;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.*;
import java.io.*;
import java.util.List;
public class PoiDocxToHtmlConverter {
public static void main(String[] args) {
try {
String inputPath = "path/to/your/document.docx";
String outputPath = "path/to/your/output_poi.html";
XWPFDocument document = new XWPFDocument(new FileInputStream(inputPath));
StringBuilder htmlBuilder = new StringBuilder();
// 添加 HTML 头部
htmlBuilder.append("<!DOCTYPE html>\n<html>\n<head>\n")
.append("<meta charset=\"UTF-8\">\n")
.append("<title>Word to HTML</title>\n")
.append("<style>\n") // 内联 CSS 样式
.append(" body { font-family: Arial, sans-serif; }\n")
.append(" p { margin: 8px 0; }\n")
.append(" table { border-collapse: collapse; width: 100%; }\n")
.append(" td, th { border: 1px solid #ddd; padding: 8px; text-align: left; }\n")
.append("</style>\n")
.append("</head>\n<body>\n");
// 处理段落
for (XWPFParagraph p : document.getParagraphs()) {
if (!p.getParagraphText().isEmpty()) {
htmlBuilder.append("<p>");
processRuns(p.getRuns(), htmlBuilder);
htmlBuilder.append("</p>\n");
}
}
// 处理表格
for (XWPFTable table : document.getTables()) {
htmlBuilder.append("<table>\n");
for (XWPFTableRow row : table.getRows()) {
htmlBuilder.append("<tr>\n");
for (XWPFTableCell cell : row.getTableCells()) {
htmlBuilder.append("<td>");
for (XWPFParagraph p : cell.getParagraphs()) {
if (!p.getParagraphText().isEmpty()) {
processRuns(p.getRuns(), htmlBuilder);
}
}
htmlBuilder.append("</td>");
}
htmlBuilder.append("\n</tr>\n");
}
htmlBuilder.append("</table>\n");
}
// 添加 HTML 尾部
htmlBuilder.append("</body>\n</html>");
// 写入文件
try (FileOutputStream out = new FileOutputStream(outputPath)) {
out.write(htmlBuilder.toString().getBytes("UTF-8"));
}
System.out.println("POI 转换成功！HTML 文件已保存至: " + outputPath);
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 处理段落内的文本块，应用样式
*/
private static void processRuns(List<XWPFRun> runs, StringBuilder htmlBuilder) {
for (XWPFRun run : runs) {
String text = run.getText(0);
if (text == null || text.isEmpty()) {
continue;
}
// 开始标签
htmlBuilder.append("<span style=\"");
// 字体
if (run.isBold()) htmlBuilder.append("font-weight: bold; ");
if (run.isItalic()) htmlBuilder.append("font-style: italic; ");
if (run.getUnderline() != UnderlinePatterns.none) htmlBuilder.append("text-decoration: underline; ");
if (run.getColor() != null) htmlBuilder.append("color: #" + run.getColor() + "; ");
if (run.getFontFamily() != null) htmlBuilder.append("font-family: " + run.getFontFamily() + "; ");
if (run.getFontSize() != -1) htmlBuilder.append("font-size: " + run.getFontSize() + "pt; ");
htmlBuilder.append("\">");
// 文本内容 (需要转义 HTML 特殊字符)
htmlBuilder.append(escapeHtml(text));
// 结束标签
htmlBuilder.append("</span>");
}
}
/**
* 转义 HTML 特殊字符
*/
private static String escapeHtml(String input) {
if (input == null) {
return "";
}
return input.replace("&", "&")
.replace("<", "<")
.replace(">", ">")
.replace("\"", """)
.replace("'", "'");
}
}
优点：
- 完全控制：你可以精确决定如何处理每一个元素和样式。
- 依赖较小：只需要 POI 相关库。
- 轻量级：对于转换需求非常简单的场景，可能更合适。
缺点：
- 非常复杂：需要手动处理所有 Word 元素和样式的映射。
- 功能有限：很难完美处理页眉页脚、页脚、页码、复杂的浮动图片、文本框等。
- 样式处理繁琐：将 POI 的样式对象转换为 CSS 是一项艰巨的任务。
使用 aspose-words (商业库，功能最强)
Aspose.Words 是一个商业的 Java 文档处理库，以其卓越的转换质量和稳定性而闻名，如果你有预算，这是最佳选择。
添加依赖
<!-- Aspose.Words 是商业库，需要付费许可证 -->
<dependency>
<groupId>com.aspose</groupId>
<artifactId>aspose-words</artifactId>
<version>23.8</version> <!-- 建议使用最新版本 -->
</dependency>
Java 代码实现
import com.aspose.words.*;
import java.io.*;
public class AsposeDocxToHtmlConverter {
public static void main(String[] args) throws Exception {
// 如果有许可证，在此加载
// License license = new License();
// license.setLicense("Aspose.Words.Java.lic");
String inputPath = "path/to/your/document.docx";
String outputPath = "path/to/your/output_aspose.html";
// 加载文档
Document doc = new Document(inputPath);
// 保存为 HTML
// HtmlSaveOptions 提供了丰富的选项来控制输出
HtmlSaveOptions saveOptions = new HtmlSaveOptions();
saveOptions.setPrettyFormat(true); // 格式化输出
saveOptions.setExportHeadersFootersMode(ExportHeadersFootersMode.FirstPage); // 导出页眉页脚模式
doc.save(outputPath, saveOptions);
System.out.println("Aspose 转换成功！HTML 文件已保存至: " + outputPath);
}
}
优点：
- 无与伦比的转换质量：生成的 HTML 几乎与原始 Word 文档一模一样。
- 功能最全面：支持所有 Word 特性，包括复杂的布局、样式、域、OLE 对象等。
- 性能优秀：处理大文档速度快，稳定性高。
- API 友好：简单易用，配置选项丰富。
缺点：
- 需要付费：这是一个商业产品，价格不菲。
总结与选择建议
| 特性 | docx4j (开源) |
Apache POI (手动实现) | aspose-words (商业) |
|---|---|---|---|
| 易用性 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| 转换质量 | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| 功能完整性 | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| 灵活性 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 成本 | 免费 | 免费 | 付费 |
| 主要格式 | .docx |
.docx |
.doc, .docx, 等 |
如何选择？
- 首选
docx4j：对于绝大多数开源项目和个人开发者，docx4j是最佳选择，它在易用性、功能和免费之间取得了最好的平衡。 - 选择手动 POI 实现：只有当你对转换过程有完全的、精细的控制需求，并且不介意投入大量时间去开发和维护转换逻辑时，才考虑此方案。
- 选择
aspose-words：如果你的项目有预算，并且对文档转换的保真度、稳定性和性能有极高的要求（企业级应用、生成正式报告），aspose-words是最值得投资的选择。
