在处理办公自动化任务时，将 Word 文档转换为 HTML 格式是一项常见需求。无论是为了在网页端展示文档内容，还是将文档内容同步到内容管理系统，开发者都希望转换过程既能保留原有的格式，又能灵活控制转换范围。本文将通过 Java 示例代码，结合 Spire.Doc for Java 库，演示如何将 Word 文档按全文、特定节以及单个段落等不同层级转换为 HTML，帮助你根据实际业务场景选择更合适的转换方式。
怎样安装 Spire.Doc for Java
在正式编写转换代码之前，我们需要引入专业的组件支持，以确保 Word 文档中的复杂元素能够被正确解析。Spire.Doc for Java 是一款功能强大的类库，它不依赖 Microsoft Office，能够让开发者在 Java 环境中快速执行创建、读取、编辑 Word 文档和格式转换等操作。
安装方式
如果你使用 Maven 管理项目，只需在 pom.xml 文件中添加以下配置，即可引入该库：
<repositories>
<repository>
<id>com.e-iceblue</id>
<name>e-iceblue</name>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.doc</artifactId>
<version>14.2.4</version>
</dependency>
</dependencies>
你还可以下载 Spire.Doc for Java 安装包，解压后进行手动安装。
在完成 Spire.Doc 的安装和其他环境配置后，我们就可以利用它轻松完成 Word 到 HTML 的格式转换。
在 Java 中转换整个 Word 文档为 HTML
将一个 Word 文档转换为 HTML 是最常见也是最基础的操作，适用于需要将整份报告或说明书直接搬到网页上的场景。通过 Spire.Doc 提供的 Document.saveToFile() 方法，你可以直接将 Word 文本、表格及图片等元素完整导出。同时，为了保证 HTML 文件在不同环境下的展示效果，我们还可以对输出参数进行优化配置，比如设置 CSS 嵌入等。
步骤解析：
- 创建 Document 类的实例，并使用 Document.loadFromFile() 方法加载一个 Word 文档。
- 调用 Document.getHtmlExportOptions().setCssStyleSheetType() 方法设置转换时 CSS 样式嵌入。
- 通过 Document.saveToFile() 方法将 Word 文档保存为 HTML 文件。
下方为完整的代码示例：
import com.spire.doc.*;
public class WordtoHtml {
public static void main(String[] args) {
// 实例化 Document 类的对象
Document doc = new Document();
// 加载 Word 文档
doc.loadFromFile("/input/示例文档.docx");
// 将 CSS 样式直接嵌入到 HTML 内部
doc.getHtmlExportOptions().setCssStyleSheetType(CssStyleSheetType.Internal);
// 将图片以 Base64 编码嵌入
//doc.getHtmlExportOptions().setImageEmbedded(true);
// 保存为 HTML 格式
doc.saveToFile("/output/ToHtml.html",FileFormat.Html);
doc.dispose();
}
}
Word 源文档和 HTML 文件对比预览：
在不需要精细控制 HTML 输出格式的情况下，可以直接调用 Document.saveToFile() 方法完成转换。Spire.Doc 默认会将文档结构与样式分离，分别输出 HTML 文件和独立的 CSS 文件。
提示：如果你还需要将 Word 文档转换为 PDF 或 TXT，也可以通过 Document.saveToFile() 方法来完成，只需将保存时指定的 FileFormat 类型替换为对应的目标格式即可。
通过 Java 将 Word 文档的节转换为 HTML
在处理篇幅较长的技术文档时，我们可能只需要提取其中一个章节或特定的分节内容进行展示。通过获取 Word 文档中的 Section 对象，再使用 deepClone() 方法，我们可以将其添加到新的文档中，然后将其转换为 HTML。这种局部转换的方式大大提高了内容发布的灵活性，能够在不破坏原文档结构的前提下，快速生成局部的 HTML 页面。
步骤解析：
- 创建 Document 类的实例，并使用 Document.loadFromFile() 方法加载一个 Word 文档，作为源文档。
- 使用 Document.getSections().get() 方法获取指定的节。
- 创建新的 Document 实例。
- 使用 Section.deepClone() 方法复制在源文档中获取到的节。
- 调用 Document.getSections().add() 方法将复制的节添加到新的文档中。
- 设置 HTML 输出选项。
- 通过 Document.saveToFile() 方法将新的文档保存为 HTML 文件。
下方为完整的 Java 代码示例，展示了怎样将 Word 文档的第二节转换为 HTML 文件：
import com.spire.doc.*;
public class WordtoHtml {
public static void main(String[] args) {
// 实例化 Document 类的对象
Document doc = new Document();
// 加载 Word 文档
doc.loadFromFile("/input/示例文档.docx");
// 获取目标节
Section section = doc.getSections().get(1);
// 创建新文档并将该节克隆进去
Document newDoc = new Document();
newDoc.getSections().add(section.deepClone());
// 将 CSS 样式嵌入 HTML 头部
newDoc.getHtmlExportOptions().setCssStyleSheetType(CssStyleSheetType.Internal);
// 将图片嵌入 HTML
//newDoc.getHtmlExportOptions().setImageEmbedded(true);
// 将文件保存为 HTML 格式
newDoc.saveToFile("/output/节转换为Html.html",FileFormat.Html);
newDoc.dispose();
}
}
源文档与转换后的 HTML 对比：
如果你的需求不仅是导出为 HTML，而是需要将 Word 文档按章节或内容块拆分为多个独立文件，也可以参考按章节拆分 Word 文档的实现方式。
Java 将 Word 文档中的段落转换为 HTML
当需要将新闻摘要或富文本片段插入到网页中时，我们可以将指定的段落转换为 HTML。与转换节相同，由于 Spire.Doc 的转换是基于文档对象的，我们需要将选定的段落复制进一个新的文档中，然后将文档转换为 HTML 文件。这种方法能够做到准确提取出需要的片段，无需再进行二次编辑。
步骤解析：
- 创建 Document 类的实例，并使用 Document.loadFromFile() 方法加载一个 Word 文档，作为源文档。
- 使用 Document.getSections().get() 方法获取指定的节。再使用 Section.getParagraphs().get() 获取指定的段落。
- 创建新的 Document 实例，并使用 Document.addSection() 方法添加一个节。
- 调用 Paragraph.deepClone() 方法复制源文档的段落。
- 通过 Section.getParagraphs().add() 方法将复制的段落添加到新文档中。
- 设置 HTML 输出选项。
- 通过 Document.saveToFile() 方法将新的文档保存为 HTML 文件。
下方的 Java 代码展示了怎样将 Word 文档中的第一节的第三段转换为 HTML 文件：
import com.spire.doc.*;
import com.spire.doc.documents.Paragraph;
import com.spire.doc.interfaces.IParagraph;
public class WordtoHtml {
public static void main(String[] args) {
// 创建一个 Document 类的实例，加载 docx 文件
Document doc = new Document();
doc.loadFromFile("/input/示例文档.docx");
// 获取第一节中的第三段
Section section = doc.getSections().get(0);
Paragraph paragraph = section.getParagraphs().get(2);
// 创建新的 Document 对象，并添加一个节
Document newDoc = new Document();
Section newSection = newDoc.addSection();
// 将段落添加到新的文件中
newSection.getParagraphs().add((IParagraph) paragraph.deepClone());
// 设置 HTML 导出选项
newDoc.getHtmlExportOptions().setCssStyleSheetType(CssStyleSheetType.Internal);
// 保存 HTML 文件
newDoc.saveToFile("/output/段落转换为Html.html", FileFormat.Html);
doc.dispose();
newDoc.dispose();
}
}
源文档与转换后的 HTML 文件对比预览：
结语
本文详细介绍了将 Word 文档转换为 HTML 的方法，不仅涵盖了转换整个 Word 文档，还深入探讨了如何利用 Spire.Doc for Java 进行精细化的节与段落转换。这种灵活的控制机制，能够帮助开发者应对各种复杂的使用场景和需求。同时，本篇指南通过设置 CSS 嵌入等方式，解决了 HTML 与 CSS 分离带来的多文件管理问题，让文档转换变得更加高效、专业。如果在使用 Spire.Doc for Java 的过程中遇到任何问题，或想了解它的更多功能，欢迎随时联系我们获取技术支持！
