基于java合并和docx格式的Word文件--688IT编程网

基于java合并.doc和docx格式的Word⽂件

注：摘录⾃

之前⽤过jacob 合并.doc，但是是有jacob有弊端：

服务器必须是Windows操作系统 —— ⽬前之所以web项⽬多⽤Java开发，就是因为服务器可以是Linux、Unix等⾮Windows的系统来降低项⽬的成本。

服务器上必须安装Office —— Jacob的意思就是： Java COM Bridge，java中调⽤office提供的com接⼝来实现对Office⽂件的操作。

并发问题 —— 如果多⽤户同时在线⽣成word⽂件就必须处理此并发问题，稍有不慎，就会在服务器端产⽣Office的死进程，死锁服务器的内存资源。

我遇到的问题是下载并合并附件，这⾥的附件⼤多是doc⽂件，也包含少量的docx⽂件，但是⽂件路径是从数据库中读取出来的，均不带后缀名，传统的xwpfdocument和hwpfdocument不能完全解决我的问题；尤其是将⽂件合并，不能轻易办到，需要对⽂档进⾏解析。

这⾥我采⽤的⽅法是将Word⽂件转换为HTML⽂件，把Word的合并转化为HTML的合并；这样⼀来就减

少了难度，不过就是还需要再把HTML⽂件转化为doc⽂件或者docx⽂件（此时，你就可以指定是哪种⽂件了）。

在转换的时候，分两个⽅向，⼀个是doc⽂件转换，另⼀个是docx⽂件转换；这⾥的转换时必须包含⽂档中的格式的（图⽚和表格我这⾥没有进⾏测试）。如果是没有⽂件后缀，那么就需要先判断是doc⽂件还是docx⽂件，这⾥⽤到了⼀个⼯具类，就是通过⽂件的⽂件头来判断⽂件类型，因为我这⾥只是为了区别doc和docx，所以就⽐较了前四位的16进制数，按照if和else来⾛两条转换路线。（具体⽂件的⽂件头可上⽹查资料，各种⽂件都有）。

转换doc⽂件的时候，是按照字符读取的，判断每个字符的字体颜⾊和样式，将其转换为HTML的代码，最后应该是整个稳当的HTML的字符串的累加，因为我这⾥是合并，所以我使⽤for循环进⾏了⽂件主体的叠加，最后在循环的外⾯加上HTML的头部和尾部信息即可。除此之外，根据需求，需要在不同⽂档之间插⼊分页符，分页符⽤HTML代码可以表⽰，"<br clear=all style='page-break-before:always' mce_style='page-break-before:always'> "；需要的直接添加即可。

然后是docx⽂件的转换，这⾥的就不像doc⽂件可以按照每个字符来读了，⽽是将整个⽂档直接转换为HTML⽂件，通过打印字符串可以得知，转换出来的HTML代码就是⼀个⼤的div，如果直接使⽤这个代码，合并的时候格式就不统⼀了，所以需要将图中的style样式去掉，直接⽤字符串截取，并加上⼀个空的<div>即可。

最后，再将HTML⽂件转为doc或者docx，可以将路径放在服务器上⾯，并且实现下载就⾏（建议每次下载完之后将该⽂件清空，可以循环利⽤）。详细代码如下。

package com.landray.kmss.km.doc.util;

import java.io.BufferedWriter;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.OutputStream;

import java.io.OutputStreamWriter;java修改html文件

import java.util.ArrayList;

import java.util.List;

import org.apache.poi.hwpf.HWPFDocument;

import org.apache.del.PicturesTable;

import org.apache.poi.hwpf.usermodel.CharacterRun;

import org.apache.poi.hwpf.usermodel.Paragraph;

import org.apache.poi.hwpf.usermodel.Picture;

import org.apache.poi.hwpf.usermodel.Range;

import org.apache.poi.hwpf.usermodel.Table;

import org.apache.poi.hwpf.usermodel.TableCell;

import org.apache.poi.hwpf.usermodel.TableIterator;

import org.apache.poi.hwpf.usermodel.TableRow;

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

public class WordExcelToHtml {

/**

* 回车符ASCII码

private static final short ENTER_ASCII = 13;

/**

* 空格符ASCII码

private static final short SPACE_ASCII = 32;

/**

* ⽔平制表符ASCII码

private static final short TABULATION_ASCII = 9;

// public static String htmlText = "";

public static String mainText = "";

public static String htmlTextTbl = "";

public static int counter = 0;

public static int beginPosi = 0;

public static int endPosi = 0;

public static int beginArray[];

public static int endArray[];

public static String htmlTextArray[];

public static boolean tblExist = false;

public static void main(String argv[]) {

try {

String htmlText = "<html><head><meta http-equiv='Content-Type' content='text/html; charset=utf-8' />"

+ "</head><body>"; //将每⼀个Word中的主体部分拿出来，合并之后加上HTML的头和尾，但是要注意编码 List<String> list = new ArrayList<String>();

String file1 = "D://file8";

String file2 = "D://file9";

String file3 = "D://file11";

list.add(file1);

list.add(file2);

list.add(file3);

// String mainText1 = "";

for (int i = 0; i < list.size(); i++) {

htmlText += (i))

+ "<br clear=all style='page-break-before:always' mce_style='page-break-before:always'> ";

//每⼀个⽂档读取完之后，加上⼀个分页符，继续累加

}

htmlText += "</body></html>";

String filePath = "D://1.html";

writeFile(htmlText, filePath);

new HtmlToDoc().writeWordFile(filePath, "D://file10.doc");

} catch (Exception e) {

e.printStackTrace();

}

/**

* 读取每个⽂字样式

* @param fileName

* @throws Exception

public static String getWordAndStyle(String fileName) throws Exception {

String htmlText = "";

FileInputStream in = new FileInputStream(new File(fileName));

//根据⽂本内容判断是doc还是docx

byte[] b = new byte[4];

in.close();

FileInputStream in1 = new FileInputStream(new File(fileName));

System.out.println(bytesToHexString(b) + ";;;");

if (bytesToHexString(b).equalsIgnoreCase("d0cf11e0")) {//"d0cf11e0"代表的是doc⽂件

HWPFDocument doc = new HWPFDocument(in1);

Range rangetbl = Range();// 得到⽂档的读取范围

TableIterator it = new TableIterator(rangetbl);

int num =1;

beginArray = new int[num];

endArray = new int[num];

htmlTextArray = new String[num];

readTable(it, rangetbl);

// 取得⽂档中字符的总数

int length = doc.characterLength();

/ 创建图⽚容器;

PicturesTable pTable = PicturesTable();

int cur = 0;

String tempString = "";

for (int i = 0; i < length - 1; i++) {

// 整篇⽂章的字符通过⼀个个字符的来判断,range为得到⽂档的范围

Range range = new Range(i, i + 1, doc);

CharacterRun cr = CharacterRun(0);

if (tblExist && cur < beginArray.length) {

if (i == beginArray[cur]) {

htmlText += tempString + htmlTextArray[cur];

tempString = "";

i = endArray[cur] - 1;

cur++;

continue;

}

if (pTable.hasPicture(cr)) {

//htmlText += tempString;

// 读写图⽚

tempString = readPicture(pTable, cr);

//tempString = "";

htmlText += tempString;

} else {

Range range2 = new Range(i + 1, i + 2, doc);

// 第⼆个字符

CharacterRun cr2 = CharacterRun(0);

char c = cr.text().charAt(0);

// 判断是否为回车符

if (c == ENTER_ASCII) {

tempString += "<br/>";

}

// 判断是否为空格符

else if (c == SPACE_ASCII)

tempString += " ";

// 判断是否为⽔平制表符

else if (c == TABULATION_ASCII)

tempString += " ";

// ⽐较前后2个字符是否具有相同的格式

boolean flag = compareCharStyle(cr, cr2);

String fontStyle = "<span class='text' style=\"font-family:" + cr.getFontName()

+ ";font-size:"

+ cr.getFontSize()

/ 2

+ "pt;color:"

+ Ico24()) + ";";

if (cr.isBold())

fontStyle += "font-weight:bold;";

if (cr.isItalic())

fontStyle += "font-style:italic;";

htmlText += fontStyle + "\" mce_style=\"font-family:"

+ cr.getFontName() + ";font-size:"

+ cr.getFontSize() / 2 + "pt;";

if (cr.isBold())

fontStyle += "font-weight:bold;";

if (cr.isItalic())

fontStyle += "font-style:italic;";

htmlText += fontStyle + "\">" + tempString + cr.text()

+ "</span>";

tempString = "";

}

htmlText += tempString;

return htmlText;

} else {

Word2007ToHtml w = new Word2007ToHtml();

String filepath = "";

String fileName1 = fileName;

String htmlName = "D://3.html";

w.Word2007ToHtml(fileName1, htmlName);

String result = w.readFileByBytes(htmlName);

int i = result.indexOf('>');

String realreasult = "<div>"+result.substring(i+1);

System.out.println(realreasult);

htmlText += realreasult;

return htmlText;

}

/**

* 读写⽂档中的表格

* @param pTable

* @param cr

* @throws Exception

public static void readTable(TableIterator it, Range rangetbl)

throws Exception {

htmlTextTbl = "";

/ 迭代⽂档中的表格

counter = -1;

while (it.hasNext()) {

tblExist = true;

htmlTextTbl = "";

Table tb = (Table) it.next();

beginPosi = tb.getStartOffset();

endPosi = tb.getEndOffset();

System.out.println("............" + beginPosi + "...." + endPosi);

counter = counter + 1;

// 迭代⾏，默认从0开始

beginArray[counter] = beginPosi;

endArray[counter] = endPosi;

htmlTextTbl += "<table border='1'>";

for (int i = 0; i < tb.numRows(); i++) {

TableRow tr = tb.getRow(i);

htmlTextTbl += "<tr >";

// 迭代列，默认从0开始

for (int j = 0; j < tr.numCells(); j++) {

TableCell td = tr.getCell(j);// 取得单元格

int cellWidth = td.getWidth();

// 取得单元格的内容

for (int k = 0; k < td.numParagraphs(); k++) {

Paragraph para = td.getParagraph(k);

String s = ().toString().trim();

if (s == "") {

s = " ";

}

System.out.println(s);

htmlTextTbl += "<td class='text' width=" + cellWidth

+ ">" + s + "</td>";

System.out.println(i + ":" + j + ":" + cellWidth + ":"

+ s);

} // end for

htmlTextTbl += "</table>";

htmlTextArray[counter] = htmlTextTbl;

} // end while

}

/**

* 读写⽂档中的图⽚

* @param pTable

* @param cr

* @throws Exception

public static void readPicture(PicturesTable pTable, CharacterRun cr)

throws Exception {

// 提取图⽚

Picture pic = actPicture(cr, false);

// 返回POI建议的图⽚⽂件名

String afileName = pic.suggestFullFileName();

OutputStream out = new FileOutputStream(new File("e://test"

+ File.separator + afileName));

pic.writeImageContent(out);

// htmlText += "<img src=\"e://test//" + afileName

// + "\" mce_src=\"e://test//" + afileName + "\"/>";

}

public static boolean compareCharStyle(CharacterRun cr1, CharacterRun cr2) { boolean flag = false;

if (cr1.isBold() == cr2.isBold() && cr1.isItalic() == cr2.isItalic()

&& FontName().FontName())

&& FontSize() == FontSize()) {

flag = true;

}

return flag;

}

/**

* 写⽂件

* @param s

public static void writeFile(String s, String filePath) {

FileOutputStream fos = null;

BufferedWriter bw = null;

try {

File file = new File(filePath);

fos = new FileOutputStream(file);

bw = new BufferedWriter(new OutputStreamWriter(fos)); bw.write(s);

} catch (FileNotFoundException fnfe) {

fnfe.printStackTrace();

} catch (IOException ioe) {

ioe.printStackTrace();

} finally {

try {

if (bw != null)

bw.close();

if (fos != null)

fos.close();

} catch (IOException ie) {

}

// 判断⽂件类型

public static String bytesToHexString(byte[] src) {

StringBuilder stringBuilder = new StringBuilder();

if (src == null || src.length <= 0) {

return null;

}

for (int i = 0; i < src.length; i++) {

int v = src[i] & 0xFF;

String hv = HexString(v);

if (hv.length() < 2) {

stringBuilder.append(0);

}

stringBuilder.append(hv);

}

String();

}

获取字体颜⾊的⼯具类：

package com.landray.kmss.km.doc.util;

public class ColorUtils {

public static int red(int c) {

return c & 0XFF;

}

public static int green(int c) {

return (c >> 8) & 0XFF;

}

public static int blue(int c) {

return (c >> 16) & 0XFF;

}

public static int rgb(int c) {

return (red(c) << 16) | (green(c) <<8) | blue(c);

}

public static String rgbToSix(String rgb) {

int length = 6 - rgb.length();

String str = "";

while(length > 0){

str += "0";

length--;

}

return str + rgb;

}

public static String getHexColor(int color) {

color = color == -1 ? 0 : color;

int rgb = rgb(color);

return "#" + HexString(rgb));

}

将HTML⽂件转换为doc⽂件：

package com.landray.kmss.km.doc.util;

import java.io.BufferedReader;

import java.io.ByteArrayInputStream;

import java.io.File;

import java.io.FileInputStream;

688IT编程网

基于java合并和docx格式的Word文件

发表评论

推荐文章

应用程序的安全检测方法、装置、电子设备和存储介质

nginx map用法正则

VBA之正则表达式(1)--基础篇

Prometheus监控学习笔记之初识PromQL

关于PHP中的webshell

热门文章

一种任意人头与任意人体的3D结合方法

正则匹配c语言中8进制

fortran数据格式

python中文本转数字用的公式

gh 文本变数值

js判断输入是否为正整数、浮点数等数字的函数代码

qt浮点数正则表达式

QT正则表达式限制输入值

手机号码和电话号码的正则表达式

str转浮点-概述说明以及解释

英豪结尾的诗句

Java正则表达式:符合以特定字符串开头,以特定字符串结尾的所有结果

machinebuilder使用手册

ASP.NET网站建设基本常用代码

LCD显示实时时钟

经纬度正则表达式解析

前端科学计数法转数字

python正则表达式re之compile函数解析

pythonunittest之断言及示例

[lua]lua中匹配字符串小数

最新文章

nginx map用法正则

Prometheus监控学习笔记之初识PromQL

关于PHP中的webshell

python中re.findall函数实例用法

nginx url表达式

nginx 正则匹配参数

标签列表

688IT编程网

基于java合并和docx格式的Word文件

发表评论

推荐文章

应用程序的安全检测方法、装置、电子设备和存储介质

nginx map用法 正则

VBA之正则表达式(1)--基础篇

Prometheus监控学习笔记之初识PromQL

关于PHP中的webshell

热门文章

一种任意人头与任意人体的3D结合方法

正则匹配c语言中8进制

fortran数据格式

python中文本转数字用的公式

gh 文本变数值

js判断输入是否为正整数、浮点数等数字的函数代码

qt浮点数正则表达式

QT正则表达式限制输入值

手机号码和电话号码的正则表达式

str转浮点-概述说明以及解释

英豪结尾的诗句

Java正则表达式:符合以特定字符串开头,以特定字符串结尾的所有结果

machinebuilder使用手册

ASP.NET网站建设基本常用代码

LCD显示实时时钟

经纬度正则表达式解析

前端科学计数法转数字

python正则表达式re之compile函数解析

pythonunittest之断言及示例

[lua]lua中匹配字符串小数

最新文章

nginx map用法 正则

Prometheus监控学习笔记之初识PromQL

关于PHP中的webshell

python中re.findall函数实例用法

nginx url表达式

nginx 正则匹配参数

标签列表

nginx map用法正则

nginx map用法正则