利用Java POI将富文本转换为Word文档

在实际开发中，我们经常需要将富文本格式的数据生成Word文档，比如从前端获取的HTML内容。Java的Apache POI库是一个极其强大的处理Microsoft Office格式文件的工具，本文将介绍如何使用POI库将富文本转换为Word文档，并提供详细的代码示例。

1. 什么是富文本？

富文本（Rich Text）是一种具有格式的文本文档，通常包括不同的字体、颜色、大小、以及其他样式。在前端开发中，富文本经常以HTML的形式显示。然而，有时我们需要将这些富文本以Word格式进行输出。

2. Apache POI简介

Apache POI是一个开源的Java库，允许我们在Java应用中读写Microsoft Office格式的文件，包括Excel、Word和PowerPoint。它提供了操作Office文档的简单而灵活的API。

3. 环境准备

在开始写代码之前，我们需要在项目中添加Apache POI的依赖库。假设我们使用Maven作为构建工具，可以在pom.xml文件中添加如下依赖：

<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>
<dependency>
    <groupId>org.apache.xmlbeans</groupId>
    <artifactId>xmlbeans</artifactId>
    <version>5.0.2</version>
</dependency>

4. 转换步骤

接下来，我们将详细介绍将HTML富文本转换为Word文档的步骤。整个流程可以分为以下几个步骤：

flowchart TD
    A[获取富文本格式数据] --> B[使用HTML解析器解析数据]
    B --> C[初始化Word文档]
    C --> D[写入Word内容]
    D --> E[保存Word文档]

4.1 获取富文本格式数据

通常，我们从前端收到的是HTML格式的数据，可以直接以字符串的形式拿到。

String htmlString = "标题<p>这是一个段落</p>";

4.2 使用HTML解析器解析数据

在Java中，我们可以使用jsoup库来解析HTML内容。首先，需要在pom.xml中添加jsoup的依赖：

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.15.4</version>
</dependency>

然后，我们可以利用jsoup将HTML字符串转换为Word格式。

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

Document doc = Jsoup.parse(htmlString);

4.3 初始化Word文档

现在我们准备使用Apache POI来创建一个新的Word文档。

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;

XWPFDocument document = new XWPFDocument();

4.4 写入Word内容

遍历解析后的HTML文档，将内容逐段写入Word文档中。

Elements elements = doc.body().children();
for (Element element : elements) {
    XWPFParagraph paragraph = document.createParagraph();
    XWPFRun run = paragraph.createRun();
    
    // 根据不同的HTML标签设置不同的样式
    switch (element.tagName()) {
        case "h1":
            run.setBold(true);
            run.setFontSize(20);
            break;
        case "p":
            run.setFontSize(12);
            break;
    }
    run.setText(element.text());
}

4.5 保存Word文档

最后，我们将创建的Word文档保存到指定的位置。

import java.io.FileOutputStream;
import java.io.IOException;

try (FileOutputStream out = new FileOutputStream("output.docx")) {
    document.write(out);
} catch (IOException e) {
    e.printStackTrace();
}

5. 完整代码示例

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.FileOutputStream;
import java.io.IOException;

public class HtmlToWordConverter {
    public static void main(String[] args) {
        String htmlString = "标题<p>这是一个段落</p>";

        Document doc = Jsoup.parse(htmlString);
        XWPFDocument document = new XWPFDocument();

        Elements elements = doc.body().children();
        for (Element element : elements) {
            XWPFParagraph paragraph = document.createParagraph();
            XWPFRun run = paragraph.createRun();
            switch (element.tagName()) {
                case "h1":
                    run.setBold(true);
                    run.setFontSize(20);
                    break;
                case "p":
                    run.setFontSize(12);
                    break;
            }
            run.setText(element.text());
        }

        try (FileOutputStream out = new FileOutputStream("output.docx")) {
            document.write(out);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

6. 结论

通过以上步骤，我们成功地将HTML富文本转换为了Word文档。Apache POI和jsoup之间的结合使得这个转换过程变得简单而高效。在实际开发中，您可以根据需要扩展此基本示例，以支持更多的HTML标签和样式，使得生成的Word文档更富有表现力。希望本篇文章能帮助你更好地理解Java中富文本到Word文档的转换过程！