您现在的位置：程式碼之家 >> 編程語言 > >> Java 程式設計 >> Java 相關知識

Java 使用 Jsoup 與 Jacob 將 HTML 轉換為 Word 文件完整實作

編輯：Java 相關知識

技術方案概覽

Jsoup：解析、清洗、標準化 HTML，提取圖片標籤並替換為佔位符 ${image_N}。
Jacob (Java-COM Bridge)：駕動 Microsoft Word COM 組件，打開模板文檔，將佔位符替換為真實圖片，另存為目標 .doc。

核心流程

HTML輸入 
  → Jsoup.parse() 標準化 
  → 遍歷 DOM 替換  為 ${image_N}，收集 (佔位符 -> 本地圖片路徑) Map
  → 寫入 template.doc
  → Jacob 打開 template.doc，複製內容
  → 新建文檔，粘貼內容
  → 遍歷 Map，replaceText2Image(佔位符, 圖片路徑)
  → 設置標題、字體、格式
  → 另存為最終 .doc

關鍵代碼模組

1. Jsoup 處理 HTML 與圖片提取

Document doc = Jsoup.parse(html);
Map imgMap = new HashMap<>();
int imgIndex = 1;

for (Element el : doc.body().select("img")) {
    String placeholder = "${image_" + imgIndex++ + "}";
    String src = el.attr("src");
    // 根據業務規則拼接本地絕對路徑
    String localPath = "D:/WebPic/" + src.substring(0,8) + "/" + src.substring(0,10) + "/" + src;
    
    el.after("" + placeholder + ""); // 插入佔位符段落
    el.remove(); // 移除原 img
    imgMap.put(placeholder, localPath);
}

// 寫入模板文件
Files.write(Paths.get("template.doc"), doc.html().getBytes());

2. Jacob 核心工具類 (MSOfficeGeneratorUtils 精簡版)

public class WordConverter {
    private ActiveXComponent word;
    private Dispatch document, selection;

    public WordConverter(boolean visible) {
        word = new ActiveXComponent("Word.Application");
        word.setProperty("Visible", new Variant(visible));
        Dispatch documents = word.getProperty("Documents").toDispatch();
        document = Dispatch.call(documents, "Add").toDispatch(); // 新建文檔
        selection = word.getProperty("Selection").toDispatch();
    }

    public void pasteFromTemplate(String templatePath) {
        Dispatch docTemplate = Dispatch.call(word.getProperty("Documents").toDispatch(), "Open", templatePath).toDispatch();
        Dispatch.call(docTemplate, "Select"); // 全選
        Dispatch.call(selection, "Copy");
        Dispatch.call(docTemplate, "Close", new Variant(false));
        Dispatch.call(selection, "Paste");
    }

    public void replaceText2Image(String placeholder, String imgPath) {
        moveStart();
        while (find(placeholder)) {
            Dispatch.call(Dispatch.get(selection, "InLineShapes").toDispatch(), "AddPicture", imgPath);
            moveRight(1); // 移出圖片位置
        }
    }

    public void setTitle(String title) {
        setAlignment(1); // 居中
        setFont(true, false, false, "0,0,0", "20", "宋體");
        Dispatch.put(selection, "Text", title);
        enterDown(1);
    }

    // 輔助方法：find, moveStart, moveRight, enterDown, setFont, setAlignment...
    // 保存、關閉、退出
    public void saveAs(String path) { Dispatch.call(document, "SaveAs", path); }
    public void close() { Dispatch.call(document, "Close", new Variant(false)); }
    public void quit() { word.invoke("Quit", new Variant[0]); ComThread.Release(); }
}

3. 整合調用示例

public static void main(String[] args) throws Exception {
    String html = "...包含的HTML...";
    String title = "報告標題";

    // 1. Jsoup 處理
    Map imgMap = processHtml(html); // 返回 imgMap 並產生 template.doc

    // 2. Jacob 轉換
    WordConverter converter = new WordConverter(false); // 後台運行
    converter.pasteFromTemplate("template.doc");
    
    for (Map.Entry e : imgMap.entrySet()) {
        converter.replaceText2Image(e.getKey(), e.getValue());
    }
    
    converter.setTitle(title);
    converter.saveAs("report_" + System.currentTimeMillis() + ".doc");
    converter.close();
    converter.quit();
}

常見坑點與解決

問題	原因	解決
Word 彈出「大量剪貼簿數據」對話框	關閉 Word 時剪貼板有大量數據	退出前創建空文檔、複製少量文本、關閉：`createNewDocument(); insertText("x"); copy(); close(); quit();`
圖片顯示為紅叉	模板 doc 使用相對路徑/臨時路徑	佔位符替換法：模板只存佔位符，Jacob 運行時插入絕對路徑圖片
Jacob 無法啟動 Word	未安裝 Office / 位數不匹配 (32/64bit) / 無 COM 權限	安裝 Office；Jacob dll 需與 JVM 位數一致；DCOM 配置權限
中文亂碼	編碼不一致	HTML 指定 UTF-8，Jacob 操作無編碼問題

替代方案對比

方案	優點	缺點	適用場景
Jsoup + Jacob	完美還原 Word 排版、支援複雜表格/圖片	依賴 Windows + Office、部署重、併發差	服務端生成報表、需精確排版
Apache POI (XWPF)	純 Java、跨平台、無 Office 依賴	複雜排版/圖片支持弱、API 繁瑣	跨平台、簡單文檔生成
FreeMarker + docx4j	模板引擎分離、純 Java	學習曲線陡、圖片處理仍受限	基於模板的文檔生成

總結

Jsoup + Jacob 是「HTML 轉 Word 高保真」的務實選擇：Jsoup 負責 HTML 清洗與圖片佔位，Jacob 負責利用 Word 強大的渲染引擎生成最終文檔。核心關鍵在於佔位符替換圖片解決路徑依賴，以及剪貼板清理避免退出卡頓。生產環境建議封裝為獨立微服務，限制併發，監控 Word 進程殘留。