使用 Apache POI 将 Word 转换为 HTML

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）。通过 POI，开发者可以轻松实现 Word 文档到 HTML 的自动化转换。

为什么需要将 Word 转为 HTML？

• 在网页中展示 Word 内容
• 实现文档内容的在线预览
• 便于搜索引擎抓取和索引
• 简化跨平台内容共享

基本转换步骤（Java 示例）

以下是一个使用 Apache POI 和 org.apache.poi.xwpf.converter.xhtml 库将 .docx 转换为 HTML 的简单示例：

import java.io.*;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;

public class WordToHtml {
    public static void main(String[] args) throws Exception {
        try (FileInputStream fis = new FileInputStream("input.docx");
             FileOutputStream fos = new FileOutputStream("output.html")) {

            XWPFDocument document = new XWPFDocument(fis);
            XHTMLConverter.getInstance().convert(document, fos, null);
        }
    }
}

⚠️ 注意：需额外引入 poi-scratchpad 和 xhtmlconverter 依赖。

限制与注意事项

• 复杂样式（如高级表格、文本框）可能无法完美还原
• .doc（旧格式）支持有限，建议优先使用 .docx
• 图片、页眉页脚等元素需额外处理

替代方案：在线工具

如果你不需要编程实现，也可以使用在线工具快速完成 Word 到 HTML 的转换：

• 上传 Word 文件
• 一键生成 HTML 代码
• 直接复制或下载结果