内容：读取html文件中的文本内容，然后生成Word文档导出。
事例场景：需求开发完成之后需要写文档（代码修改清单），文档内容就是这次需求修改/新增的所有代码，需要列出修改的文件路径以及代码片段，并且用不同的颜色标注区分。
例图：
如果手动复制粘贴并且标注，会相当麻烦。所以这里记录一下，使用代码来简单处理，生成所需文档。
第一步：功能测试完成后，把代码合并到新的分支，然后进入页面就能查看到这次的合并记录。
第二步：保存这个页面到本地，然后执行程序，生成Word文档。
功能实现说明
项目：SpringBoot
html文件来源：gitee。如果是gitLab的页面，可能页面标签元素就不太一样，需要修改一下代码中解析html读取标签的方式。
代码实现逻辑：使用jsoup读取并解析html文件，然后使用poi生成Word文档。
解析html需要先搞清楚html中的标签元素，然后再用代码读取。
开始编码
Maven依赖：
<!-- poi 读取，生成Word文档、Excel文档-->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.15</version>
</dependency>
<!-- 解析html -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.8.3</version>
</dependency>Java代码：
package com.example.demo16.util;
import lombok.extern.slf4j.Slf4j;
import org.apache.poi.xwpf.usermodel.ParagraphAlignment;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTShd;
import java.io.File;
import java.io.FileOutputStream;
@Slf4j
public class CodeChangeDetailUtil {
public static void main(String[] args) throws Exception {
String htmlPath="E:/Downloads/code_01.html";
String saveWordPath="E:/Downloads/code_0112.docx";
codeChangeDetailOutPutWorld(htmlPath, saveWordPath);
}
/**
* 旧代码标识：old
* 新代码标识：new
*/
private static final String CODE_TYPE_OLD = "old";
private static final String CODE_TYPE_NEW = "new";
/**
* 解析HTML文件内容生成Word
* @param htmlPath HTML文件路径
* @param saveWordPath Word文档保存路径
* @throws Exception
*/
public static void codeChangeDetailOutPutWorld(String htmlPath, String saveWordPath) throws Exception {
XWPFDocument doc = new XWPFDocument();
Document document = Jsoup.parse(new File(htmlPath), "utf8");
Elements elements = document.getElementsByClass("files");
// 文件元素集合
Elements diffFileElements = elements.get(0).getElementsByClass("diff-file");
createHeader(doc, "修改清单(数量：" + diffFileElements.size() + ")");
for (Element element : diffFileElements) {
String headerText = element.getElementsByClass("header").get(0)
.getElementsByTag("a")
.get(0).text();
createNullLine(doc, 1);
createText(doc, headerText, "");
}
createNullLine(doc, 2);
createHeader(doc, "程序修改记录");
for (Element element : diffFileElements) {
// 文件头,文件路径
String headerText = element.getElementsByClass("header").get(0)
.getElementsByTag("a")
.get(0).text();
//log.info("headerText:{}",headerText);
// 得到文件路径/名称
createNullLine(doc, 2);
createTextHeader(doc, headerText);
// 文件内容元素,代码存放在表格的行中，一行代码一行，这里获取表格的所有行
if (null == findTableElements(element)) {
log.error("该文件内容可能被折叠，请在原页面搜索【差异被折叠，点击展开】点击展开后再保存html文件，文件：{}", headerText);
throw new Exception("该文件内容可能被折叠，请在原页面搜索【差异被折叠，点击展开】点击展开后再保存html文件");
}
Elements trElements = findTableElements(element).get(0)
.getElementsByTag("tbody").get(0)
.getElementsByTag("tr");
// 遍历所有的行，得到文件内容
for (Element tr : trElements) {
String lineContent = tr.getElementsByClass("line_content").get(0).text();
// 旧代码
if(tr.getElementsByClass("old").size()>0){
createText(doc, lineContent, CODE_TYPE_OLD);
continue;
}
// 新代码
if(tr.getElementsByClass("new").size()>0){
createText(doc, lineContent, CODE_TYPE_NEW);
continue;
}
createText(doc, lineContent, "");
}
}
FileOutputStream fileOutputStream = new FileOutputStream(saveWordPath);
doc.write(fileOutputStream);
fileOutputStream.close();
log.info("文档生成成功,存储路径：{}", saveWordPath);
}
/**
* 创建标题
* @param doc
* @param headerText 标题文本
*/
private static void createHeader(XWPFDocument doc, String headerText) {
// 创建标题
XWPFParagraph paragraph = doc.createParagraph();
//标题等级，1,2,3...
paragraph.setStyle("1");
//设置对齐
paragraph.setAlignment(ParagraphAlignment.LEFT);
XWPFRun run = paragraph.createRun();
run.setColor("000000");
run.setText(headerText);
run.setFontFamily("黑体");
run.setFontSize(22);
// 加粗
run.setBold(true);
}
/**
* 生成文件路径
* @param doc
* @param contentText 文本内容
*/
private static void createTextHeader(XWPFDocument doc, String contentText) {
XWPFParagraph paragraph = doc.createParagraph();
// 左对齐
paragraph.setAlignment(ParagraphAlignment.LEFT);
XWPFRun contentRun = paragraph.createRun();
contentRun.setFontSize(11);
// 前面创建空行
createNullLine(doc, 2);
contentRun.setText(contentText);
// 加粗
contentRun.setBold(true);
}
/**
* 文件内容
* @param doc
* @param contentText 文本内容
* @param textType 代码内容标识
*/
private static void createText(XWPFDocument doc, String contentText, String textType) {
XWPFParagraph paragraph = doc.createParagraph();
// 左对齐
paragraph.setAlignment(ParagraphAlignment.LEFT);
XWPFRun contentRun = paragraph.createRun();
contentRun.setFontFamily("Consolas");
contentRun.setFontSize(9);
contentRun.setText(contentText);
// 突出显示
CTShd ctShd = contentRun.getCTR().addNewRPr().addNewShd();
// old:旧代码，new:新代码
if (CODE_TYPE_OLD.equals(textType)) {
ctShd.setFill("FFEFD5");
} else if (CODE_TYPE_NEW.equals(textType)) {
ctShd.setFill("CCFF99");
}
}
/**
* 创建空行
* @param doc
* @param lineNum 行数
*/
private static void createNullLine(XWPFDocument doc, int lineNum) {
XWPFParagraph paragraph = doc.createParagraph();
XWPFRun contentRun = paragraph.createRun();
for (int i = 0; i <lineNum; i++) {
contentRun.setText("\n");
}
}
/**
* 查找表格元素
* @param element 元素对象
* @return
*/
private static Elements findTableElements(Element element) {
Elements trElements_temp = element.getElementsByClass("diff-content");
for (Element element_t : trElements_temp) {
int tableSize = element_t.getElementsByTag("table").size();
if (tableSize > 0) {
return element_t.getElementsByTag("table");
}
}
return null;
}
}
具体页面具体分析。主要就是利用jsoup读取html内容并处理，jsoup的使用细节可以参考官方文档。
