Java实现HTML富⽂本导出⾄word完美解决⽅案
⼀、问题的提出
最近⽤java开发⼀个科技项⽬信息管理系统，⾥⾯有⼀个根据项⽬申请书的模板填写项⽬申报信息的功能，有⼀个科技项⽬申请书word 导出功能。
已有的实现⽅式：采⽤标准的jsp模板输出实现，简单地说，就是把数据渲染进jsp页⾯，然后将此页⾯另存为doc⽂档，从⽽达到word 导出效果。但是存在以下⼏个问题：
(1) 由于导出的html⽹页格式，打开word后，默认显⽰的视图模式为WEB版式视图；
(2) 修改word⽂档后，会新增⼀个相关联的⽂件夹，word的html中会引⽤这个⽂件夹中的资源，⽐如样式、图⽚、主题等；这样如果只转移word⽂档本⾝，会造成不到相关联的资源。
(3) 由于我们有些字段内容是采⽤富⽂本编辑器（百度的UEditor）填写的，⾥⾯有附件的上传（主要是图⽚）。针对图⽚，HTML的img标签有⼀个src的属性，这个src是服务器的图⽚资源路径。这个如果要显⽰这个图⽚的话，客户的机器必须要保证联⽹，这样造成word不能离线存档。
(4) 这样导出的word打印出来的效果也是⼀塌糊涂，没法接受。
正因为有这些问题，急需寻另外⼀种解决⽅案。
⼆、可⽤⽅案
在⽹上查资料，总结出两种⽐较可⾏的⽅案。
(1) 制作word模板，导出成mht⽂件（单页⾯⽹页格式），然后往模板⾥渲染数据，最终⽣成word⽂档。
(2) 制作word模板，导出成xml⽂件，然后往模板⾥渲染数据，最终⽣成word⽂档。
这两种都是采⽤模板的思想，模板的制作⽐较加单，⽐⽤poi去组织word格式简单的很多很多。唯⼀的不同点在于导出⽂件的格式不同，⼀个是mht⽂件，⼀个是xml⽂件。考虑到本项⽬中的项⽬申报书个别字段采⽤了富⽂本编辑器实现，保存进数据库中是html格式的字符串，所以我们采⽤第⼀种⽅案，即通过mht⽂件来实现。
三、思路整理与分析
1. mht⽂件的⽂件存储结构分析
打开客户提供的项⽬申报书模板⽂件，如，选择“另存为-》其他格式”菜单，选择“保存为mht⽂件（单⽹页⽂件）”，如下图所⽰：
保存后，⽤⽂本编辑器（UltraEdit或Sublime等）打开。打开后，有⼀些规律可循，具体关键的要点如下：
(1) mht⽂件的内容采⽤3Dus-ascii编码格式，⾥⾯的中⽂字符串都被编码成不可读的内容；
(2) mht是单⽹页⽂件，⾥⾯内嵌了很多资源内容，特别要注意的是图⽚资源。我们查“image”，会
到“image001””image002”。。。。等相关的匹配值。针对每个图⽚（⽐如image002）有三个地⽅出现。
第⼀，在Html的<v:shape>标签中，如下
第⼆，在内嵌资源块中，对图⽚的内容采⽤base64编码。具体格式如下
第三，在⽂件的末尾部，有个<xml>标签，⾥⾯有个HRef属性标识，具体内容如下：
2. 具体的实现思路
(1) 制作word模板，⽤特定的模板引擎（我们⽤的freeMarker）的语法去⽣成占位符，然后导出出mht⽂件；
(2) 组织、处理数据，然后利⽤模板引擎去渲染模板。
(3) 将渲染后的结果保存为doc⽂件。
最重要的是第2个步骤中的处理数据。根据mht⽂件的格式要求，主要需要处理以下⼏个地⽅。
(1) 将字符串类型的数据编码成3Dus-ascii格式；
(2) 对富⽂本数据进⾏处理。主要是上述三个地⽅的处理，其⼀，对富⽂本的html中的img进⾏处理，转换成<v:shape>标签格式；其⼆，取出img的实际存储位置，将图⽚的内容按照base64进⾏编码，并将编码后内容添加进对应的位置；其三，在mht⽂件的末尾的xml标签中加⼊相关资源引⼊字符串。
java修改html文件四、实现步骤及注意事项
1. 根据模板引擎的语法规则填⼊占位符制作word模板，保存为mht⽂件。
另存为mht⽂件后，需⽤⽂本编辑器打开，主要绑定语句不能断，⽐如${amecn}另存为mht⽂件后，可能成了${projectSbInfo.=
xmnamecn}这个格式，需⼿动再修改⼀下。
另外还需在mht⽂件中插⼊图⽚资源的base64及xml 的href引⽤的占位。如下图
2. 组织、处理数据
⼀般的属性数据组织起来简单，⽆⾮就是从数据库中获取，处理也简单。这⾥要特别注意以下数据的处理。
（1） html中image元素的处理。处理流程如下：
（2） 由于mht⽂件是采⽤的是“us-ascii”编码，属性后⾯都必须带有3D前缀。所以包含html内容的需进⾏⼀下替换操作。
3．渲染模板，然后另存了word格式即可。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。