Java 實現HTML富文本導出至word完美解決方案

一、 問題的提出

     最近用java開發一個科技項目信息管理系統，里面有一個根據項目申請書的模板填寫項目申報信息的功能，有一個科技項目申請書word導出功能。

      已有的實現方式：采用標准的jsp模板輸出實現，簡單地說，就是把數據渲染進jsp頁面，然后將此頁面另存為doc文檔，從而達到word導出效果。但是存在以下幾個問題：

(1) 由於導出的html網頁格式，打開word后，默認顯示的視圖模式為WEB版式視圖；

(2) 修改word文檔后，會新增一個相關聯的文件夾，word的html中會引用這個文件夾中的資源，比如樣式、圖片、主題等；這樣如果只轉移word文檔本身，會造成找不到相關聯的資源。

(3) 由於我們有些字段內容是采用富文本編輯器（百度的UEditor）填寫的，里面有附件的上傳（主要是圖片）。針對圖片，HTML的img標簽有一個src的屬性，這個src是服務器的圖片資源路徑。這個如果要顯示這個圖片的話，客戶的機器必須要保證聯網，這樣造成word不能離線存檔。

(4) 這樣導出的word打印出來的效果也是一塌糊塗，沒法接受。

正因為有這些問題，急需尋找另外一種解決方案。

二、 可用方案

在網上查找資料，總結出兩種比較可行的方案。

(1) 制作word模板，導出成mht文件（單頁面網頁格式），然后往模板里渲染數據，最終生成word文檔。

(2) 制作word模板，導出成xml文件，然后往模板里渲染數據，最終生成word文檔。

這兩種都是采用模板的思想，模板的制作比較加單，比用poi去組織word格式簡單的很多很多。唯一的不同點在於導出文件的格式不同，一個是mht文件，一個是xml文件。考慮到本項目中的項目申報書個別字段采用了富文本編輯器實現，保存進數據庫中是html格式的字符串，所以我們采用第一種方案，即通過mht文件來實現。

 

三、 思路整理與分析

1. mht文件的文件存儲結構分析

打開客戶提供的項目申報書模板文件，如，選擇“另存為-》其他格式”菜單，選擇“保存為mht文件（單網頁文件）”，如下圖所示：

保存后，用文本編輯器（UltraEdit或Sublime等）打開。打開后，有一些規律可循，具體關鍵的要點如下：

(1) mht文件的內容采用3Dus-ascii編碼格式，里面的中文字符串都被編碼成不可讀的內容；

(2) mht是單網頁文件，里面內嵌了很多資源內容，特別要注意的是圖片資源。我們查找“image”，會找到“image001””image002”。。。。等相關的匹配值。針對每個圖片（比如image002）有三個地方出現。

第一，在Html的<v:shape>標簽中,如下

第二，在內嵌資源塊中，對圖片的內容采用base64編碼。具體格式如下

第三，在文件的末尾部，有個<xml>標簽，里面有個HRef屬性標識，具體內容如下：

2. 具體的實現思路

(1) 制作word模板，用特定的模板引擎（我們用的freeMarker）的語法去生成占位符，然后導出出mht文件；

(2) 組織、處理數據，然后利用模板引擎去渲染模板。

(3) 將渲染后的結果保存為doc文件。

最重要的是第2個步驟中的處理數據。根據mht文件的格式要求，主要需要處理以下幾個地方。

(1) 將字符串類型的數據編碼成3Dus-ascii格式；

(2) 對富文本數據進行處理。主要是上述三個地方的處理，其一，對富文本的html中的img進行處理，轉換成<v:shape>標簽格式；其二，取出img的實際存儲位置，將圖片的內容按照base64進行編碼，並將編碼后內容添加進對應的位置；其三，在mht文件的末尾的xml標簽中加入相關資源引入字符串。

四、 實現步驟及注意事項

1. 根據模板引擎的語法規則填入占位符制作word模板，保存為mht文件。

另存為mht文件后，需用文本編輯器打開，主要綁定語句不能斷，比如${projectSbInfo.xmnamecn}另存為mht文件后，可能成了${projectSbInfo.=

xmnamecn}這個格式，需手動再修改一下。

另外還需在mht文件中插入圖片資源的base64及xml 的href引用的占位。如下圖

2. 組織、處理數據

一般的屬性數據組織起來簡單，無非就是從數據庫中獲取，處理也簡單。這里要特別注意以下數據的處理。

（1） html中image元素的處理。處理流程如下：

（2） 由於mht文件是采用的是“us-ascii”編碼，屬性后面都必須帶有3D前綴。所以包含html內容的需進行一下替換操作。

3．渲染模板，然后另存了word格式即可。

 

 

 

相關源代碼：http://files.cnblogs.com/files/liaofeifight/word.rar