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,会造成找不到相关联的资源。

(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,急需寻找另外一种解决方案。

二、 可用方案

在网上查找资料,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clip_image002,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:

clip_image004

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。我们查找“image”,会找到“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

clip_image006

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

clip_image008

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:

clip_image010

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。

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。

clip_image002[5]

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${projectSbInfo.xmnamecn}另存为mht文件后,可能成了${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

clip_image004[5]

clip_image006[5]

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:

clip_image008

(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。

clip_image010[5]

3.渲染模板,然后另存了word格式即可。

clip_image012

 

 

 

相关源代码:http://files.cnblogs.com/files/liaofeifight/word.rar

posted @ 2016-05-12 11:09  廖飞  阅读(22930)  评论(4编辑  收藏