解决java中html转word文档，转成功后的word文档在断网情况下无法显示图片问题

         前一段时间遇到一个问题，就是将html转成word文档，里面有图片，表格，和各种形式的文字。刚开始的做法是将html代码取出来，然后以留的形式进行保存，后缀名为.doc。当我转成之后发现一切完美，但是图片出现了问题：

        1.图片大小、像素有问题。

       2.（最严重的）图片存在word的是一个链接而已。

       当我们在断网的情况下（或者拷贝到两一台电脑上）打开word文档的时候 实际上看到的图片是一个链接，也就是说图片转化的不成功。

      其实从本质上来说，我们可以看一下转化之后所谓的word文档的格式，（点击另存为，看文件类型）发现其实转化之后的文档的文件类型仍然是.html的格式。只有当我们再次另存为并且选择文件类型为.doc格式的时候 才能做到真正意义上的转化，并且图片不会出现上述问题。原因大致是html转word的时候中间会经过一步处理，先将html的文件转成了xml文件，然后在转成.doc格式，同时将html的图片转成了Base64编码的格式（替换了图片的链接）存在了xml文件里。（我们可以打开将任意一篇.doc格式的word文档另存为成.xml文档后分析带有图片的那部分代码。）

      于是乎浏览网上各种大神的解决办法，发现并没有一个很好的解决方法。网上的关于html转化word的解决办法总结起来有以下几种情况：

       1.用ASPOSE.WORDS控件来处理。（涉及到了asp。。还有神马控件。。扩展性太差，，果断不深入这个方法。废弃之。）

       2.把html文件里面的图片转成Base64格式存储。

       好像是涉及到了上面所叙述的html转word的原理部分，但是那是word做的事，鬼知道当我们在选择将word另存为.doc格式的时候word做了什么操作。。。。我们都知道html标签里的图片形式为：<img src="xxxxxxx" />  将图片转成Base64编码容易，但是并不是将Base64编码的图片简单的放到src=“xxxxx”里面就行了，需要能让word读懂。  转成能让word读懂的格式就更不容易了（也就是前文提到的那个xml文件）。因为图片有很多格式（.jpg/.png等等），还要涉及到word里特殊的标签（类似这种<img
src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAADIA..." />）。。。。 所以在尝试了之后也放弃了。

      3.用POI 这个jar包 

说这个的更是扯。 Apache的POI对图片的处理不友好，甚至有的版本根本就不支持。在入坑很久之后，果断放弃。。。

      4. javacdoc 的包  

        亲测 不可以。以上4中方法是网上讨论最多的，我从09年的帖子一直翻到17年的，总结下来的。。发现并没有找到解决办法。。最后不得已，决定自己解析html文档，转化word。最终成功转化，实现了自己想要的结果。实现起来也很简单，只是解析了一下word而已。

      5.利用freemaker模板。

      这个可以解决，但是要大动干戈。实际开发的过程中不会因为一点问题就换模板的。这样不利于开发和维护。

解决思路：

      设法解决转成word的时候另存为时候看到的文件类型不是.html格式的就ok，这样的话就不会以图片链接的形式放在word里面。

解决办法：（相关demo和jar包后面会给出）

     1.先 用jsoup的包将html格式化。（此处用于解析html代码。方便后面用itext包调用）

     2.利用iText的jar包，这个jar包是转化pdf用到的，但是转化成word也能用。保存后在word里面的文件类型是.rtf格式的。能够完美解决问题。

成功后的结果：

   


文件类型：

      


Demo地址： 
http://download.csdn.net/download/wht21888/10120532
（年少无为，卖码为生，需要一点点资源币。

  具体的方式在Demo里有，有什么问题或者你有更好的方式  欢迎加QQ：749938275 一起讨论）