Question

我尝试使用WordToHtmlConverter将.doc转换为HTML，但效果非常好。

但是当我试图将.docx转换为HTML时，我就陷入了困境。

我尝试了什么：

我使用以下代码将.docx转换为HTML：

我尝试过的代码：How to use Tika's XWPFWordExtractorDecorator class?

        InputStream input = TikaInputStream.get(new File("C:\\Users\\Downloads\\filename.docx"));


        Parser parser = new AutoDetectParser();


        StringWriter sw = new StringWriter();
        SAXTransformerFactory factory = (SAXTransformerFactory)
                 SAXTransformerFactory.newInstance();
        TransformerHandler handler = factory.newTransformerHandler();
        handler.getTransformer().setOutputProperty(OutputKeys.METHOD, "html");
        handler.getTransformer().setOutputProperty(OutputKeys.INDENT, "yes");
        handler.setResult(new StreamResult(sw));


        try {
            Metadata metadata = new Metadata();
            parser.parse(input, handler, metadata, new ParseContext());
            String xml = sw.toString();
            System.out.print("tika : "+xml); 
        } finally {
            input.close();
        }

我得到的输出是，

<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title/>
</head>
<body/>
</html>

请解释我哪里出错了？
有没有更好的方法将.docx转换为html字符串

感谢您的帮助，谢谢

Answer 1

此代码对我来说可以将.docx转换为html：

您还可以查看链接：Link to code

       //convert .docx to HTML string
        InputStream in= new FileInputStream(new File(path));
        XWPFDocument document = new XWPFDocument(in);


        XHTMLOptions options = XHTMLOptions.create().URIResolver(new FileURIResolver(new File("word/media")));

        OutputStream out = new ByteArrayOutputStream();


        XHTMLConverter.getInstance().convert(document, out, options);
        String html=out.toString();
        System.out.println(html);

Answer 2

您可能想使用Mammoth docx到HTML库。它是一个库，用于通过在浏览器端将doc，docx文档转换为html来显示doc，docx文档，并且可以在后端进行处理。

库支持-JavaScript，浏览器和node.js均支持。在npm上可用。蟒蛇。在PyPI上可用。 WordPress。 Java / JVM。在Maven Central上可用。。净。在NuGet上可用。
链接：https://mike.zwobble.org/projects/mammoth/（演示和文章）
Github：https://github.com/mwilliamson/mammoth.js

使用JAVA将.docx转换为HTML

2 个答案: