Java 將HTML轉(zhuǎn)為XML

文介紹如何通過Java后端程序代碼來展示如何將html轉(zhuǎn)為XML。此功能通過采用Word API- Free Spire.Doc for Java 提供的Document.saveToFile()方法來實現(xiàn)；該方法支持的目標文檔格式多達 30余種。另外，該API也提供了多種方法，如Document.saveToEpub()、Document.saveToFile()、Document.saveToImages()、Document.saveToSVG()、Document.saveToTxt()、Document.saveToTiff()等，可用于將源文件轉(zhuǎn)為Epub、圖片、文本文件等目標文檔格式。

下面，將以html轉(zhuǎn)為xml格式為例，介紹如何實現(xiàn)轉(zhuǎn)換。以下是詳細方法及步驟。

【關(guān)于如何導入jar包】

通過 Maven倉庫下載導入，如下配置pom.xml：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.doc.free</artifactId>
        <version>5.2.0</version>
    </dependency>
</dependencies>

如需手動導入，需要下載 jar包到本地，然后解壓，找到lib文件夾下的Spire.Doc.jar文件。在IDEA中打開“Project Structure”界面，執(zhí)行如圖步驟將本地路徑下的jar文件手動引入Java程序：

【將HTML轉(zhuǎn)為XML】

轉(zhuǎn)換時，可參考如下代碼步驟：

創(chuàng)建Document類的對象。
調(diào)用Document.loadFromFile(String fileName, FileFormat fileFormat)方法加載HTML文件。
通過Document.saveToFile(String fileName, FileFormat fileFormat)方法保存為XML格式到指定路徑。

Java

import com.spire.doc.*;

public class HTMLtoXML {
    public static void main(String[] args) {
        //創(chuàng)建Document類的對象
        Document doc=new Document();

        //加載html文件
        doc.loadFromFile("sample.html",FileFormat.Html);

        //保存為XML格式
        doc.saveToFile("HTMLtoXML.xml", FileFormat.Xml);
    }
}

轉(zhuǎn)換效果：

—END—

原文出處：https://www.cnblogs.com/Yesi/p/16392430.html

如果本文對你有幫助，別忘記給我個3連，點贊，轉(zhuǎn)發(fā)，評論，

學習更多JAVA知識與技巧，關(guān)注與私信博主（555），即可免費領(lǐng)取

html轉(zhuǎn)為pdf的組件有很多，但是還沒有哪一款能達到這個效果，其只要原因是wkhtmltopdf使用webkit網(wǎng)頁渲染引擎開發(fā)的用來將 html轉(zhuǎn)成 pdf的工具，可以跟多種腳本語言進行集成來轉(zhuǎn)換文檔。但是就使用簡便性來說還是itext等組件占據(jù)優(yōu)勢，如果你要轉(zhuǎn)換格式有比較高的要求，那么wkhtmltopdf絕對是不二之選！

下載路徑

官網(wǎng)地址 wkhtmltopdf.org/

github地址 github.com/wkhtmltopdf…

使用方法

windows直接使用：只要在windows命令行中輸入c:\wkhtmltopdf.exe my.oschina.net/papio/blog/… c:\blog.pdf 就可以把這篇文章轉(zhuǎn)成pdf，并保存到C盤根目錄。
java調(diào)用：java中調(diào)用wkhtmltopdf的命令Runtime.getRuntime().exec("c:\wkhtmltopdf.exe my.oschina.net/papio/blog/… c:\blog.pdf")就可以實現(xiàn)轉(zhuǎn)換。

java調(diào)用demo

public class HtmlToPdfInterceptor extends Thread { private InputStream is; public HtmlToPdfInterceptor(InputStream is){ this.is=is; } public void run(){ try{ InputStreamReader isr=new InputStreamReader(is, "utf-8"); BufferedReader br=new BufferedReader(isr); String line=null; while ((line=br.readLine()) !=null) { System.out.println(line.toString()); //輸出內(nèi)容 } }catch (IOException e){ e.printStackTrace(); } }}public class HtmlToPdf { //wkhtmltopdf在系統(tǒng)中的路徑 private static final String toPdfTool="D:\wkhtmltopdf\bin\wkhtmltopdf.exe"; /** * html轉(zhuǎn)pdf * @param srcPath html路徑，可以是硬盤上的路徑，也可以是網(wǎng)絡路徑 * @param destPath pdf保存路徑 * @return 轉(zhuǎn)換成功返回true */ public static boolean convert(String srcPath, String destPath){ File file=new File(destPath); File parent=file.getParentFile(); //如果pdf保存路徑不存在，則創(chuàng)建路徑 if(!parent.exists()){ parent.mkdirs(); } StringBuilder cmd=new StringBuilder(); cmd.append(toPdfTool); cmd.append(" "); cmd.append(" --header-line");//頁眉下面的線 cmd.append(" --header-center 這里是頁眉這里是頁眉這里是頁眉這里是頁眉 ");//頁眉中間內(nèi)容 //cmd.append(" --margin-top 30mm ");//設置頁面上邊距 (default 10mm) cmd.append(" --header-spacing 10 ");//(設置頁眉和內(nèi)容的距離,默認0) cmd.append(srcPath); cmd.append(" "); cmd.append(destPath); boolean result=true; try{ Process proc=Runtime.getRuntime().exec(cmd.toString()); HtmlToPdfInterceptor error=new HtmlToPdfInterceptor(proc.getErrorStream()); HtmlToPdfInterceptor output=new HtmlToPdfInterceptor(proc.getInputStream()); error.start(); output.start(); proc.waitFor(); }catch(Exception e){ result=false; e.printStackTrace(); } return result; } public static void main(String[] args) { HtmlToPdf.convert("https://my.oschina.net/papio/blog/835645", "d:/wkhtmltopdf.pdf"); }}復制代碼

wkhtmltopdf 參數(shù)詳解

wkhtmltopdf [OPTIONS]... <input file> [More input files] <output file>常規(guī)選項 --allow <path> 允許加載從指定的文件夾中的文件或文件（可重復） --book* 設置一會打印一本書的時候，通常設置的選項 --collate 打印多份副本時整理 --cookie <name> <value> 設置一個額外的cookie（可重復） --cookie-jar <path> 讀取和寫入的Cookie，并在提供的cookie jar文件 --copies <number> 復印打印成pdf文件數(shù)（默認為1） --cover* <url> 使用HTML文件作為封面。它會帶頁眉和頁腳的TOC之前插入 --custom-header <name> <value> 設置一個附加的HTTP頭（可重復） --debug-javascript 顯示的javascript調(diào)試輸出 --default-header* 添加一個缺省的頭部，與頁面的左邊的名稱，頁面數(shù)到右邊，例如： --header-left '[webpage]' --header-right '[page]/[toPage]' --header-line --disable-external-links* 禁止生成鏈接到遠程網(wǎng)頁 --disable-internal-links* 禁止使用本地鏈接 --disable-javascript 禁止讓網(wǎng)頁執(zhí)行JavaScript --disable-pdf-compression* 禁止在PDF對象使用無損壓縮 --disable-smart-shrinking* 禁止使用WebKit的智能戰(zhàn)略收縮，使像素/ DPI比沒有不變 --disallow-local-file-access 禁止允許轉(zhuǎn)換的本地文件讀取其他本地文件，除非explecitily允許用 --allow --dpi <dpi> 顯式更改DPI（這對基于X11的系統(tǒng)沒有任何影響） --enable-plugins 啟用已安裝的插件（如Flash --encoding <encoding> 設置默認的文字編碼 --extended-help 顯示更廣泛的幫助，詳細介紹了不常見的命令開關(guān) --forms* 打開HTML表單字段轉(zhuǎn)換為PDF表單域 --grayscale PDF格式將在灰階產(chǎn)生 --help Display help --htmldoc 輸出程序HTML幫助 --ignore-load-errors 忽略claimes加載過程中已經(jīng)遇到了一個錯誤頁面 --lowquality 產(chǎn)生低品質(zhì)的PDF/ PS。有用縮小結(jié)果文檔的空間 --manpage 輸出程序手冊頁 --margin-bottom <unitreal> 設置頁面下邊距 (default 10mm) --margin-left <unitreal> 將左邊頁邊距 (default 10mm) --margin-right <unitreal> 設置頁面右邊距 (default 10mm) --margin-top <unitreal> 設置頁面上邊距 (default 10mm) --minimum-font-size <int> 最小字體大小 (default 5) --no-background 不打印背景 --orientation <orientation> 設置方向為橫向或縱向 --page-height <unitreal> 頁面高度 (default unit millimeter) --page-offset* <offset> 設置起始頁碼 (default 1) --page-size <size> 設置紙張大小: A4, Letter, etc. --page-width <unitreal> 頁面寬度 (default unit millimeter) --password <password> HTTP驗證密碼 --post <name> <value> Add an additional post field (repeatable) --post-file <name> <path> Post an aditional file (repeatable) --print-media-type* 使用的打印介質(zhì)類型，而不是屏幕 --proxy <proxy> 使用代理 --quiet Be less verbose --read-args-from-stdin 讀取標準輸入的命令行參數(shù) --readme 輸出程序自述 --redirect-delay <msec> 等待幾毫秒為JS-重定向(default 200) --replace* <name> <value> 替換名稱,值的頁眉和頁腳（可重復） --stop-slow-scripts 停止運行緩慢的JavaScripts --title <text> 生成的PDF文件的標題（第一個文檔的標題使用，如果沒有指定） --toc* 插入的內(nèi)容的表中的文件的開頭 --use-xserver* 使用X服務器（一些插件和其他的東西沒有X11可能無法正常工作） --user-style-sheet <url> 指定用戶的樣式表，加載在每一頁中 --username <username> HTTP認證的用戶名 --version 輸出版本信息退出 --zoom <float> 使用這個縮放因子 (default 1) 頁眉和頁腳選項--header-center* <text> (設置在中心位置的頁眉內(nèi)容) --header-font-name* <name> (default Arial) (設置頁眉的字體名稱)--header-font-size* <size> (設置頁眉的字體大小)--header-html* <url> (添加一個HTML頁眉,后面是網(wǎng)址)--header-left* <text> (左對齊的頁眉文本)--header-line* (顯示一條線在頁眉下)--header-right* <text> (右對齊頁眉文本)--header-spacing* <real> (設置頁眉和內(nèi)容的距離,默認0)--footer-center* <text> (設置在中心位置的頁腳內(nèi)容) --footer-font-name* <name> (設置頁腳的字體名稱) --footer-font-size* <size> (設置頁腳的字體大小default 11)--footer-html* <url> (添加一個HTML頁腳,后面是網(wǎng)址)--footer-left* <text> (左對齊的頁腳文本)--footer-line* 顯示一條線在頁腳內(nèi)容上)--footer-right* <text> (右對齊頁腳文本)--footer-spacing* <real> (設置頁腳和內(nèi)容的距離)./wkhtmltopdf --footer-right '[page]/[topage]' http://www.baidu.com baidu.pdf./wkhtmltopdf --header-center '報表' --header-line --margin-top 2cm --header-line http://192.168.212.139/oma/ oma.pdf表內(nèi)容選項中 --toc-depth* <level> Set the depth of the toc (default 3) --toc-disable-back-links* Do not link from section header to toc --toc-disable-links* Do not link from toc to sections --toc-font-name* <name> Set the font used for the toc (default Arial) --toc-header-font-name* <name> The font of the toc header (if unset use --toc-font-name) --toc-header-font-size* <size> The font size of the toc header (default 15) --toc-header-text* <text> The header text of the toc (default Table Of Contents) --toc-l1-font-size* <size> Set the font size on level 1 of the toc (default 12) --toc-l1-indentation* <num> Set indentation on level 1 of the toc (default 0) --toc-l2-font-size* <size> Set the font size on level 2 of the toc (default 10) --toc-l2-indentation* <num> Set indentation on level 2 of the toc (default 20) --toc-l3-font-size* <size> Set the font size on level 3 of the toc (default 8) --toc-l3-indentation* <num> Set indentation on level 3 of the toc (default 40) --toc-l4-font-size* <size> Set the font size on level 4 of the toc (default 6) --toc-l4-indentation* <num> Set indentation on level 4 of the toc (default 60) --toc-l5-font-size* <size> Set the font size on level 5 of the toc (default 4) --toc-l5-indentation* <num> Set indentation on level 5 of the toc (default 80) --toc-l6-font-size* <size> Set the font size on level 6 of the toc (default 2) --toc-l6-indentation* <num> Set indentation on level 6 of the toc (default 100) --toc-l7-font-size* <size> Set the font size on level 7 of the toc (default 0) --toc-l7-indentation* <num> Set indentation on level 7 of the toc (default 120) --toc-no-dots* Do not use dots, in the toc輪廓選項 --dump-outline <file> 轉(zhuǎn)儲目錄到一個文件 --outline 顯示目錄(文章中h1,h2來定) --outline-depth <level> 設置目錄的深度（默認為4）頁腳和頁眉 * [page] 由當前正在打印的頁的數(shù)目代替 * [frompage] 由要打印的第一頁的數(shù)量取代 * [topage] 由最后一頁要打印的數(shù)量取代 * [webpage] 通過正在打印的頁面的URL替換 * [section] 由當前節(jié)的名稱替換 * [subsection] 由當前小節(jié)的名稱替換 * [date] 由當前日期系統(tǒng)的本地格式取代 * [time] 由當前時間，系統(tǒng)的本地格式取代
作者：曹元
鏈接：https://juejin.im/post/6856547881873047559
來源：掘金
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。

上篇內(nèi)容。上次介紹了整個課程，目的是告訴大家學習路線，不要偏了。今天開始慢慢告訴大家這些課程的重點。也就是需要學些什么有用的東西，那些沒用的可以先不要去學習，等學到一定程度了，再慢慢去挖掘。首先開始是網(wǎng)頁，因為他比較簡單。網(wǎng)頁就是HTML，HTML是超文本標記語言的簡稱。說白點，就是比普通文本更加牛逼啦！我們在網(wǎng)頁上看到的花花綠綠的文字，圖片都是超文本。所以，HTML就是來做網(wǎng)頁的。建立一個網(wǎng)頁非常簡單，新建一個記事本文件，敲入以下代碼，就可以完成一個網(wǎng)頁。

<html>

<head>

</head>

<body>

你好，html世界。

</body>

</html>

然后把記事本的后綴名改成html就ok了。后綴名是什么如果還不知道的話，先去百度，下次再給大家科普。

就是這么簡單，關(guān)于這些標記，記住就行了。

然后注意寫的時候要有層次感。

還有一點非常重要，學習html一定要有容器的概念，什么是容器的概念，就是把<html></html>這一對標記看成一個容器,他里面有<head></head>和<body></body>兩個兄弟容器，這些容器下面又可以寫其他容器。

需要記住的標記有：

標題標記

<h1>

…

<h6>

有序列表

子標記 li

</ol>

無序列表

例如

<ul>

<ol type="a">
<li>一種水果</li>
<li>智能手機</li>
</ol>

<ol type="a">
<li>酸酸的水果</li>
<li>同時還有點甜</li>
</ol>

</ul>

自定義列表:<dt>是標題,<dd>是解釋

<dl>

<dd>在地球上,人民夸某個人的時候喜歡使用你是250</dd>

<dd>在地球上,夸某一位鄰居長得帥,就叫隔壁老王</dd>

<dd>長得好看又有錢</dd>

<dd>長得丑還沒錢</dd>

</dl>

超鏈接

圖片

1 相對路徑就是指相對于當前文件夾所在的路徑.(建議使用相對路徑)

..兩點表示到相對路徑的上一級目錄.

每一個\代表一個目錄

2 絕對路徑就是指帶了盤符的路徑.可以直接根據(jù)地址在電腦硬盤中找到.

表格

<table>

<tr>行

<td>單元格

bgcolor 背景顏色

width 寬度

height 高度

border 邊框?qū)挾?/p>

align 水平對齊 left 左對齊 center 居中 right 居右

<table>

<tr>

</tr>

<tr>

</tr>

</table>

這里需要花兩天時間來練習和消化。

接下來就要開始學習表單知識了。

下次再給大家分享表單需要學習什么。

關(guān)注我的微信公眾號machine_matrix , 獲取更多知識.

在線咨詢

上一篇：印刷包裝制版類網(wǎng)站模板源碼-找源碼上青檸資源網(wǎng)qnz
下一篇：碎片時間學編程「352]：需要突破，請使用 Java

您的項目需求

*請認真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。

整合營銷服務商

Java 將HTML轉(zhuǎn)為XML

【關(guān)于如何導入jar包】

【將HTML轉(zhuǎn)為XML】

您的項目需求