Java POI 实现 HTML 转 Word

什么是 Apache POI？

Apache POI 是一个开源的 Java API，用于读写 Microsoft Office 格式文件，包括 Word（.doc/.docx）、Excel（.xls/.xlsx）和 PowerPoint（.ppt/.pptx）。其中，XWPF 组件用于处理 .docx 文件。

HTML 转 Word 的挑战

POI 本身不直接支持解析 HTML。因此，要实现 HTML 转 Word，通常需要：

• 先解析 HTML 结构（如使用 Jsoup）
• 再将解析后的文本、标题、列表等元素映射到 Word 段落、样式中

注意：复杂样式（如 CSS 布局、图片定位）无法完全保留。

简单示例代码

以下是一个基础示例，展示如何将简单 HTML 转换为 Word 文档：

import org.apache.poi.xwpf.usermodel.*;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.FileOutputStream;
import java.io.IOException;

public class HtmlToWord {
    public static void main(String[] args) throws IOException {
        String html = "<h1>标题</h1><p>这是一个段落。</p>";
        Document doc = Jsoup.parse(html);
        XWPFDocument wordDoc = new XWPFDocument();

        for (Element element : doc.body().children()) {
            XWPFParagraph para = wordDoc.createParagraph();
            XWPFRun run = para.createRun();
            if ("h1".equals(element.tagName())) {
                run.setBold(true);
                run.setFontSize(16);
            }
            run.setText(element.text());
        }

        try (FileOutputStream out = new FileOutputStream("output.docx")) {
            wordDoc.write(out);
        }
        wordDoc.close();
    }
}

注意事项

• 需添加依赖：poi-ooxml 和 jsoup
• 仅支持基本 HTML 标签（如 p, h1~h6, ul/ol/li 等）
• 图片、表格、CSS 样式需额外处理

替代方案推荐

若需更完整的 HTML 渲染效果，可考虑以下方式：

• 使用浏览器引擎（如 Puppeteer）先转 PDF，再转 Word
• 使用专业文档转换服务或库（如 Aspose.Words）
• 结合在线工具快速完成转换（见下方链接）