如何将 docx 转换为 xhtml

Question

我正在寻找将 docx 文件转换为 XHTML 的解决方案。

我找到了 xdocreport，它看起来不错，但我有一些问题。（我是 xdocreport 的新手）

根据他们在 github here and here 上的文档：我应该可以使用此代码进行转换：

    String source = args[0];
    String dest = args[1];

    // 1) Create options DOCX to XHTML to select well converter form the registry
    Options options = Options.getFrom(DocumentKind.DOCX).to(ConverterTypeTo.XHTML);

    // 2) Get the converter from the registry
    IConverter converter = ConverterRegistry.getRegistry().getConverter(options);

    // 3) Convert DOCX to (x)html
    try {
        InputStream in = new FileInputStream(new File(source));
        OutputStream out = new FileOutputStream(new File(dest));
        converter.convert(in, out, options);
    } catch (XDocConverterException | FileNotFoundException e) {
        e.printStackTrace();
    }

我正在使用这些依赖项（尝试了不同的版本，例如 2.0.2、2.0.0、1.0.6）：

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.document.docx</artifactId>
        <version>2.0.2</version>
    </dependency>

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.template.freemarker</artifactId>
        <version>2.0.2</version>
    </dependency>

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.converter.docx.xwpf</artifactId>
        <version>2.0.2</version>
    </dependency>

我的问题：

图片丢失
缺少背景颜色（所有页面都有背景颜色，不是白色，我也必须转换它）

我该如何处理这些问题？（或者我如何使用带有 formats/numbering/images 的 Docx4j 将 docx 转换为 xhtml？）

Answer 1

要使用 XDocReport 和 apache poi 的 XWPFDocument 作为源将 *.docx 转换为 XHTML，您需要 XHTMLOptions。这些选项可以让 ImageManager 设置从 XWPFDocument 中提取的图像的路径。然后需要XHTMLConverter进行转换

完整示例：

import java.io.*;

//needed jars: xdocreport-2.0.2.jar, 
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
import fr.opensagres.poi.xwpf.converter.core.ImageManager;

//needed jars: all apache poi dependencies
import org.apache.poi.xwpf.usermodel.*;

public class DOCXToXHTMLXDocReport {

 public static void main(String[] args) throws Exception {

  String docPath = "./WordDocument.docx";

  String root = "./";
  String htmlPath = root + "WordDocument.html";

  XWPFDocument document = new XWPFDocument(new FileInputStream(docPath));

  XHTMLOptions options = XHTMLOptions.create().setImageManager(new ImageManager(new File(root), "images"));

  FileOutputStream out = new FileOutputStream(htmlPath);
  XHTMLConverter.getInstance().convert(document, out, options);

  out.close();      
  document.close();     
 
 }
}

这可以正确处理图像。

但是 XDocReport 直到现在都无法正确处理 XWPFDocument 的页面背景颜色。它提取并处理段落背景颜色，但不提取页面背景颜色。

如何将 docx 转换为 xhtml

How to convert docx to xhtml

java

xhtml

apache-poi

docx4j

xdocreport