Java 使用 Spire.Doc 实现 HTML 转 XML 与 XPS

在现代企业应用中，数据交换与文档处理扮演着至关重要的角色。HTML 作为 Web 内容的标准，XML 作为结构化数据的通用载体，以及 XPS 作为高保真文档的打印与归档格式，它们之间的转换需求日益凸显。在 Java 环境下实现这些转换，尤其是在处理复杂 HTML 结构时，常常会遇到格式兼容、样式丢失等挑战。

环境配置

Spire.Doc for Java 是一个功能丰富的 Java Word 处理组件，专注于创建、加载、编辑、转换和打印 Word 文档。它支持多种文档格式之间的转换，包括 DOCX、DOC、RTF、HTML、XML、XPS、PDF 等。其能够精确地解析和渲染各种复杂的文档结构和样式，确保转换结果的高保真度。

在 Java 项目中使用 Spire.Doc for Java，可通过 Maven 引入依赖：

Maven 配置:

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.doc</artifactId>
        <version>14.1.3</version>
    </dependency>
</dependencies>

*注：请使用实际最新版本号，可在 Maven 仓库中查询。

将 HTML 转换为 XML

将 HTML 转换为 XML 的主要目的是为了实现数据的结构化提取和跨平台数据交换。XML 凭借其严格的语法和可扩展性，非常适合作为数据集成和处理的中间格式。

使用 Spire.Doc for Java 将 HTML 转换为 XML 的步骤如下：

1. 创建 Document 对象：这是 Spire.Doc 库的核心。
2. 加载 HTML 文件：使用 loadFromFile() 方法加载您的 HTML 内容。
3. 保存为 XML：使用 saveToFile() 方法，并指定 FileFormat.Xml。

import com.spire.doc.*;

public class HTMLtoXML {
    public static void main(String[] args) {
        // 创建 Document 类的对象
        Document doc = new Document();
        // 加载 html 文件
        doc.loadFromFile("Spire.html", FileFormat.Html);
        // 保存为 XML 格式
        doc.saveToFile("HTMLtoXML.xml", FileFormat.Xml);
    }
}

Spire.Doc 会智能解析 HTML 结构，并将其转换为对应的 XML 标记，最大程度地保留原始 HTML 的内容和结构。

将 HTML 转换为 XPS

XPS（XML Paper Specification）是微软推出的一种固定布局文档格式，与 PDF 类似，旨在提供高保真的文档显示、打印和归档体验。将 HTML 转换为 XPS 的场景包括：

• 文档归档：将动态的 HTML 网页内容固化为不可编辑的文档，便于长期保存。
• 高保真打印：确保打印输出与屏幕显示效果一致，避免浏览器打印时的布局差异。
• 跨平台查看：XPS 文件可以在支持 XPS 阅读器的任何操作系统上查看。

使用 Spire.Doc for Java 将 HTML 转换为 XPS 的步骤与转换为 XML 类似：

1. 创建 Document 对象。
2. 加载 HTML 文件：加载时可以指定 XHTMLValidationType.None 以提高兼容性。
3. 保存为 XPS：使用 saveToFile() 方法，并指定 FileFormat.XPS。

import com.spire.doc.*;

public class HTMLtoXPS {
    public static void main(String[] args) {
        // 创建 Document 类的对象
        Document doc = new Document();
        // 加载 HTML 文件
        doc.loadFromFile("Spire.html", FileFormat.Html);
        // 保存为 XPS 格式
        doc.saveToFile("HTMLtoXPS.xps", FileFormat.XPS);
        doc.dispose();
    }
}

通过上述代码，可以将复杂的 HTML 页面转换为标准化的 XPS 文档，从而在打印、归档或分发时获得一致且高质量的视觉体验。

总结

本方案介绍了在 Java 中利用 Spire.Doc for Java 库将 HTML 内容转换为 XML 和 XPS 的具体方法。Spire.Doc for Java 凭借其强大的解析能力和高保真转换特性，简化了 Java 开发者在文档处理方面的工作。掌握这些转换技术，将使 Java 应用在处理数据交换、文档归档和打印预览等需求时更加灵活高效。