在POI中解析HTML内容

Question

我正在使用POI创建电子表格报告，我有html内容<p>，<b/>， 等，我如何在POI中解析这些html标记？ POI中是否有任何可以解析html内容的功能？

这是我的POI代码示例：

HSSFCell cell = getHSSFCell(mysheet, 5, 1);
cell.setCellValue(new HSSFRichTextString(htmlContent));

提前谢谢。

Answer 1

POI不适用于HTML，适用于MS Office。您想要使用的是HTML解析部分的Xpath。 Xpath是它自己的一个兔子洞，所以我不会详细介绍它，但这里有一些java xpath的资源：

roseindia tutorial

javadocs

IBM Xpath API

Answer 2

其中一个简单的解决方案是使用HTML解析器解析HTML内容，然后使用POI设置文本。我使用Jericho HTML Parser。 http://jericho.htmlparser.net/docs/index.html

使用jericho进行简单的HTML解析：

Source source = new Source("The HTML Text");
String parsedHTMLText = source.getTextExtractor().toString();