Java: Converti una pagina web in Word con GroupDocs.Editor

Convertire una pagina web in Word è una necessità comune quando vuoi trasformare contenuti online in un documento stampabile e modificabile. Che tu stia estraendo una pagina di marketing, un articolo tecnico o un avviso legale, trasformare quell’HTML in un DOCX o DOCM ti consente di modificarlo, condividerlo e archiviarlo con gli strumenti Office familiari. In questa guida vedremo come utilizzare GroupDocs.Editor for Java per leggere un file HTML, ispezionare le sue risorse e salvare il risultato sia in formato HTML che Word.

Risposte rapide

• Cosa significa “convertire una pagina web in word”? Trasforma il markup HTML e le sue risorse in un file Word (DOCX/DOCM) modificabile.
• Quale libreria gestisce la conversione? GroupDocs.Editor for Java.
• È necessaria una licenza? Una prova gratuita è sufficiente per i test; per la produzione è richiesta una licenza a pagamento.
• Quale versione di Java è richiesta? Java 8 o superiore.
• Posso mantenere CSS e immagini? Sì – l’editor preserva fogli di stile collegati e immagini durante la conversione.

Cos’è “convertire una pagina web in word”?

Il processo legge il sorgente HTML di una pagina, raggruppa tutti i CSS o le immagini referenziate e genera un documento di elaborazione testi che mantiene il layout e lo stile originali. Questo consente di modificare il risultato in Microsoft Word o in altri editor compatibili.

Perché usare GroupDocs.Editor for Java?

GroupDocs.Editor fornisce un’API di alto livello che astrae il parsing a basso livello dell’HTML, la gestione delle risorse e le particolarità dei formati. È collaudato, supporta DOCX/DOCM e funziona su più piattaforme senza dipendenze native.

Prerequisiti

Librerie richieste, versioni e dipendenze

• Apache Commons IO – semplifica le operazioni di I/O sui file.
• GroupDocs.Editor – versione 25.3 (o l’ultima release stabile).

Requisiti per la configurazione dell’ambiente

• JDK 8 o successivo installato.
• Un IDE come IntelliJ IDEA o Eclipse.

Conoscenze preliminari

• Struttura di base di un progetto Java e Maven.
• Familiarità con i file HTML e la loro organizzazione in cartelle.

Configurare GroupDocs.Editor for Java

Configurazione Maven

Aggiungi il repository GroupDocs e la dipendenza al tuo pom.xml:

<repositories>
    <repository>
        <id>repository.groupdocs.com</id>
        <name>GroupDocs Repository</name>
        <url>https://releases.groupdocs.com/editor/java/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>com.groupdocs</groupId>
        <artifactId>groupdocs-editor</artifactId>
        <version>25.3</version>
    </dependency>
</dependencies>

Download diretto

In alternativa, puoi scaricare l’ultima versione da GroupDocs.Editor for Java releases.

Passaggi per l’acquisizione della licenza

• Prova gratuita: Inizia con una trial per esplorare l’API.
• Licenza temporanea: Usa una chiave a tempo limitato per una valutazione estesa.
• Acquisto: Ottieni una licenza commerciale per le distribuzioni in produzione.

Guida all’implementazione

Di seguito trovi una procedura passo‑passo. Ogni blocco di codice è rimasto invariato rispetto al tutorial originale; le spiegazioni circostanti sono state ampliate per maggiore chiarezza.

Funzionalità 1 – Lettura del contenuto HTML da un file

Perché è importante: Per convertire una pagina web devi prima ottenere l’HTML grezzo come String. Apache Commons IO lo rende un’operazione a una riga.

1.1 Importa le librerie richieste

import java.io.File;
import org.apache.commons.io.FileUtils;

1.2 Specifica il percorso del file

Sostituisci YOUR_DOCUMENT_DIRECTORY con la cartella che contiene il tuo HTML di origine.

String htmlFilePath = "YOUR_DOCUMENT_DIRECTORY/sample_html_body.html";

1.3 Leggi il contenuto in una Stringa

Il metodo FileUtils.readFileToString legge il file usando la codifica UTF‑8, preservando tutti i caratteri.

String content = FileUtils.readFileToString(new File(htmlFilePath), "utf-8");
// Note: This method reads the HTML content as a UTF-8 encoded string, ensuring accurate representation of characters.

Funzionalità 2 – Inizializzare EditableDocument dal contenuto HTML

Perché è importante: EditableDocument è l’oggetto centrale che raggruppa il markup con le sue risorse (CSS, immagini) così l’editor può lavorare su un documento completo.

2.1 Importa le librerie GroupDocs

import com.groupdocs.editor.EditableDocument;

2.2 Specifica il percorso della cartella delle risorse

La cartella deve contenere tutti i file CSS, le immagini o altre risorse referenziate dall’HTML.

String resourceFolderPath = "YOUR_DOCUMENT_DIRECTORY/sample_html_body_resources";

2.3 Inizializza EditableDocument

Questa chiamata unisce il markup HTML con la cartella delle risorse, creando un documento modificabile in memoria.

EditableDocument inputDoc = EditableDocument.fromMarkupAndResourceFolder(content, resourceFolderPath);
// This method combines the HTML markup with its linked resources to form a complete editable document.

Funzionalità 3 – Verifica delle risorse del documento

Perché è importante: Sapere quante foglie di stile o immagini sono presenti ti aiuta a decidere se è necessario un ulteriore processing (ad es. ottimizzazione delle immagini).

3.1 Conta fogli di stile e immagini

int stylesheetCount = inputDoc.getCss().size();
int imageCount = inputDoc.getImages().size();
// These methods provide insights into how many stylesheets or images are linked within your HTML content.

Funzionalità 4 – Salvataggio di EditableDocument come HTML

Perché è importante: A volte vuoi mantenere una versione HTML dopo le modifiche, o devi verificare che le risorse siano state correttamente raggruppate.

4.1 Importa le librerie delle opzioni di salvataggio

import com.groupdocs.editor.Editor;

4.2 Specifica il percorso di output per l’HTML

String outputHtmlFilePath = "YOUR_OUTPUT_DIRECTORY/_output.html";

4.3 Salva il documento come HTML

Il metodo save scrive il documento modificato su disco, preservandone la struttura.

inputDoc.save(outputHtmlFilePath);
// This saves all changes made in memory back into a new HTML document, maintaining its editable format and resources.

Funzionalità 5 – Salvataggio di EditableDocument come documento di elaborazione testi (DOCX/DOCM)

Perché è importante: Convertire in DOCX/DOCM ti fornisce un file Word completamente modificabile, apribile in Microsoft Word, LibreOffice o qualsiasi editor compatibile.

5.1 Importa le librerie delle opzioni di salvataggio

import com.groupdocs.editor.options.WordProcessingSaveOptions;
import com.groupdocs.editor.formats.WordProcessingFormats;

5.2 Specifica il percorso di output per DOCX/DOCM

String outputDocmFilePath = "YOUR_OUTPUT_DIRECTORY/_output.docm";

5.3 Configura le opzioni di salvataggio e il formato

Qui richiediamo esplicitamente il formato DOCM (documento Word con macro). Puoi passare a "docx" per un documento standard.

WordProcessingFormats saveFormat = WordProcessingFormats.fromExtension("docm");
WordProcessingSaveOptions saveOptions = new WordProcessingSaveOptions(saveFormat);
// Here, we define the desired output format (DOCM) along with any specific saving options needed for conversion.

5.4 Salva il documento come DOCM

Usiamo la classe Editor per eseguire la conversione finale.

Editor editor = new Editor(htmlFilePath);
editor.save(inputDoc, outputDocmFilePath, saveOptions);
// This final step converts and saves your HTML content into a fully functional Word document (DOCM).

Applicazioni pratiche

• Generazione dinamica di report: Estrai tabelle da una dashboard live, convertili in Word e invia report automatizzati via email.
• Sistemi di gestione dei contenuti: Offri un pulsante “Esporta in Word” per gli articoli, mantenendo stile e immagini.
• Preparazione di documenti legali: Trasforma normative pubblicate sul web in contratti o policy editabili.
• Compilazione di materiale didattico: Aggrega appunti di lezione da pagine HTML in una singola guida di studio.
• Creazione di proposte commerciali: Converte pagine web di marketing in proposte DOCM raffinate per i clienti.

Considerazioni sulle prestazioni

• Ottimizza l’uso della memoria: Per file HTML di grandi dimensioni, aumenta l’heap JVM (-Xmx2g) o elabora i documenti a blocchi.
• Carica le risorse in modo asincrono: In strumenti basati sul web, carica CSS e immagini in un thread di background per mantenere l’interfaccia reattiva.

Problemi comuni e soluzioni

Domande frequenti

D: Posso convertire direttamente un URL live senza salvare prima l’HTML?
R: Sì. Scarica il contenuto della pagina con Jsoup o HttpClient, poi passa la stringa a EditableDocument.fromMarkupAndResourceFolder.

D: GroupDocs.Editor supporta la conversione sia in DOCX che in DOCM?
R: Assolutamente. Cambia l’estensione in WordProcessingFormats.fromExtension("docx") e adatta il nome del file di output.

D: Cosa fare se il mio HTML fa riferimento a CSS esterno ospitato su un CDN?
R: Scarica quei file CSS nella tua cartella delle risorse prima di inizializzare EditableDocument, oppure consenti all’editor di recuperarli se abiliti l’accesso di rete.

D: È necessaria una licenza per la prova gratuita?
R: La trial funziona senza chiave di licenza ma è limitata a 30 giorni e a una dimensione massima del documento. Per la produzione, acquista una licenza.

D: Posso preservare la funzionalità JavaScript nell’output Word?
R: No. I formati di elaborazione testi non supportano JavaScript lato client; vengono conservati solo contenuti statici e stili.

Ultimo aggiornamento: 2026-02-08
Testato con: GroupDocs.Editor 25.3
Autore: GroupDocs