Java：使用 GroupDocs.Editor 将网页转换为 DOCX

将 网页转换为 DOCX 使您能够将任何在线 HTML 页面转换为可完全编辑的 Word 文档，便于共享、打印或进一步自定义。无论是需要归档营销文章、从仪表板生成报告，还是提供法律通知的可打印版本，转换都会保留布局、样式和嵌入的图像。在本指南中，我们将演示如何使用 GroupDocs.Editor for Java 读取 HTML 文件，打包其资源，并将结果保存为 HTML 和 DOCX/DOCM 文件。

快速答复

  • “将网页转换为 docx” 是什么意思？ 它将 HTML 标记及其资源转换为可编辑的 Word（DOCX/DOCM）文件。
  • 哪个库负责转换？ GroupDocs.Editor for Java。
  • 我需要许可证吗？ 免费试用可用于测试；生产环境需要付费许可证。
  • 需要哪个 Java 版本？ Java 8 或更高。
  • 我可以保留 CSS 和图像吗？ 可以——编辑器在转换过程中会保留链接的样式表和图像。

什么是“将网页转换为 docx”？

加载 HTML 源码，打包所有引用的 CSS 或图像，并生成一个与原始布局相匹配的 Word 处理文档。转换会保留标题、表格、列表和样式，生成的文件可在 Microsoft Word 或任何兼容编辑器中打开并编辑，无需手动重新格式化或重建。

为什么使用 GroupDocs.Editor for Java？

GroupDocs.Editor 提供高级 API，能够在 2 秒以内将高达 150 MB 的文件从 HTML 转换为 DOCX，支持 30 多种 HTML 元素，并自动嵌入 CSS 和图像。它跨平台运行，无需本地依赖，并保证在 Word、LibreOffice 和 Google Docs 中的布局一致性。

前置条件

必需的库、版本和依赖项

  • Apache Commons IO – 简化文件 I/O。
  • GroupDocs.Editor – 版本 25.3（或最新稳定版）。

环境设置要求

  • 已安装 JDK 8 或更高版本。
  • 使用 IntelliJ IDEA 或 Eclipse 等 IDE。

知识前提

  • 基本的 Java 和 Maven 项目结构。
  • 熟悉 HTML 文件及其文件夹布局。

设置 GroupDocs.Editor for Java

Maven 设置

将 GroupDocs 仓库和依赖添加到您的 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>

直接下载

或者，您可以从 GroupDocs.Editor for Java releases 下载最新版本。

获取许可证的步骤

  • Free Trial: 开始试用以探索 API。
  • Temporary License: 使用限时密钥进行延长评估。
  • Purchase: 获取商业许可证用于生产部署。

实现指南

以下是逐步演练。每个代码块保持原教程不变，周围的说明已为清晰起见进行扩展。

功能 1 – 从文件读取 HTML 内容

为什么重要： 要转换网页，首先需要将原始 HTML 作为 String 获取。使用 Apache Commons IO 可以一行代码完成。

1.1 导入所需库

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

1.2 指定文件路径

将 YOUR_DOCUMENT_DIRECTORY 替换为存放源 HTML 的文件夹。

String htmlFilePath = "YOUR_DOCUMENT_DIRECTORY/sample_html_body.html";

1.3 将内容读取为字符串

FileUtils.readFileToString 方法使用 UTF‑8 编码读取文件，保留所有字符。

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.

功能 2 – 从 HTML 内容初始化 EditableDocument

为什么重要： EditableDocument 是核心对象，它将标记与其资源（CSS、图像）组合，使编辑器能够处理完整的文档。

EditableDocument 类表示单个 HTML 文档及其链接资源，实现无缝转换为其他格式。

2.1 导入 GroupDocs 库

import com.groupdocs.editor.EditableDocument;

2.2 指定资源文件夹路径

该文件夹应包含 HTML 引用的任何 CSS 文件、图像或其他资产。

String resourceFolderPath = "YOUR_DOCUMENT_DIRECTORY/sample_html_body_resources";

2.3 初始化 EditableDocument

此调用将 HTML 标记与资源文件夹合并，创建内存中的可编辑文档。

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

功能 3 – 检查文档资源

为什么重要： 了解样式表或图像的数量有助于决定是否需要额外处理（例如图像优化）。

3.1 统计样式表和图像数量

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.

功能 4 – 将 EditableDocument 保存为 HTML

为什么重要： 有时您希望在编辑后保留 HTML 版本，或需要验证资源是否正确打包。

4.1 导入保存选项库

import com.groupdocs.editor.Editor;

4.2 指定 HTML 输出路径

String outputHtmlFilePath = "YOUR_OUTPUT_DIRECTORY/_output.html";

4.3 将文档保存为 HTML

save 方法将编辑后的文档写回磁盘，保留其结构。

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

功能 5 – 将 EditableDocument 保存为文字处理文档（DOCX/DOCM）

为什么重要： 转换为 DOCX/DOCM 可获得可完全编辑的 Word 文件，可在 Microsoft Word、LibreOffice 或任何兼容编辑器中打开。

WordProcessingFormats 枚举定义了要生成的具体 Word 格式（DOCX 或 DOCM）。

5.1 导入保存选项库

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

5.2 指定 DOCX/DOCM 输出路径

String outputDocmFilePath = "YOUR_OUTPUT_DIRECTORY/_output.docm";

5.3 设置保存选项和格式

这里我们明确请求 DOCM 格式（宏启用的 Word 文档）。您可以将其切换为 "docx" 以生成标准文档。

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.

Editor 是核心类，接受 EditableDocument 并将其写入所选的 Word 格式。

5.4 将文档保存为 DOCM

我们使用 Editor 类执行最终转换。

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).

实际应用

  • Dynamic Report Generation: 从实时仪表板提取表格，转换为 Word 并通过电子邮件发送自动报告。
  • Content Management Systems: 为文章提供“导出为 Word”按钮，保留样式和图像。
  • Legal Document Preparation: 将网页发布的法规转为可编辑的合同或政策文件。
  • Educational Material Compilation: 将 HTML 页面上的讲义汇总成一本学习指南。
  • Business Proposal Creation: 将营销网页转换为精美的 DOCM 提案供客户使用。

性能考虑

  • Optimize Memory Usage: 对于大型 HTML 文件，增加 JVM 堆内存 (-Xmx2g) 或分块处理文档。
  • Load Resources Asynchronously: 在基于 Web 的工具中，使用后台线程加载 CSS 和图像，以保持 UI 响应。

常见问题与解决方案

问题原因解决方案
DOCM 中缺少图像资源文件夹路径不正确确认 resourceFolderPath 指向包含所有图像文件的文件夹。
转换后样式不同CSS 未加载确保 inputDoc.getCss() 返回预期的计数；将缺失的样式表添加到资源文件夹。
大页面出现 OutOfMemoryErrorHTML 大且资源众多增加 JVM 堆内存或在转换前将 HTML 拆分为更小的部分。

常见问答

问：我可以直接转换实时 URL 而无需先保存 HTML 吗？
答：是的。使用 Jsoup 或 HttpClient 下载页面内容，然后将字符串传入 EditableDocument.fromMarkupAndResourceFolder。

问：GroupDocs.Editor 是否同时支持转换为 DOCX 和 DOCM？
答：当然。将 WordProcessingFormats.fromExtension("docx") 中的扩展名改为 "docx" 并相应调整输出文件名即可。

问：如果我的 HTML 引用了 CDN 上的外部 CSS，该怎么办？
答：在初始化 EditableDocument 之前，将这些 CSS 文件下载到资源文件夹中，或者在启用网络访问时让编辑器自行获取。

问：免费试用是否需要许可证？
答：试用无需许可证密钥，但受限于 30 天和最大文档大小。生产环境请购买许可证。

问：我能在 Word 输出中保留 JavaScript 功能吗？
答：不能。Word 处理格式不支持客户端 JavaScript，只保留静态内容和样式。

最后更新： 2026-07-02
测试版本： GroupDocs.Editor 25.3
作者： GroupDocs

相关教程