# 2Html

**Repository Path**: xmgh1024_admin/2Html

## Basic Information

- **Project Name**: 2Html
- **Description**: word、excel转换html文件
- **Primary Language**: Java
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-03
- **Last Updated**: 2026-07-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Word转HTML转换器

一个基于Java和Spring Boot的多格式文档转换工具，支持将Word、Excel和PDF文档转换为HTML或Word格式。

## 功能特性

- ✅ 支持.doc/.docx格式的Word文档转换为HTML
- ✅ 支持.xls/.xlsx格式的Excel文档转换为HTML
- ✅ 支持.pdf格式的PDF文档转换为Word（文本模式和图片模式）
- ✅ 保持原文档的布局、字体和结构
- ✅ 图片自动内嵌为base64编码，生成独立的HTML文件
- ✅ 支持ZIP导出模式：图片分离存储，生成 .zip 包（仅 .docx）
- ✅ 生成的HTML文件名与原文档保持一致
- ✅ HTML文件超过10MB时自动拦截并给出提示
- ✅ 提供Web界面，支持文件上传和下载
- ✅ 控制台输出详细的转换日志
- ✅ 独立Spring Boot项目，无需依赖外部中间件

## 技术栈

- Java 1.8
- Spring Boot 2.7.18 (独立运行，不依赖Nacos等外部服务)
- Apache POI 5.2.5
- Apache PDFBox 2.0.30
- Apache Tika 2.9.1
- Maven 3.x
- Thymeleaf

## 项目结构

```
word2html/
├── src/
│   ├── main/
│   │   ├── java/
│   │   │   └── com/word2html/
│   │   │       ├── Word2HtmlApplication.java          # 主启动类
│   │   │       ├── controller/
│   │   │       │   ├── Word2HtmlController.java       # 文档转HTML控制器
│   │   │       │   └── PdfToWordController.java       # PDF转Word控制器
│   │   │       └── service/
│   │   │           ├── WordToHtmlService.java         # Word转HTML服务
│   │   │           ├── ExcelToHtmlService.java        # Excel转HTML服务
│   │   │           └── PdfToWordService.java          # PDF转Word服务
│   │   └── resources/
│   │       ├── application.yml                        # 应用配置
│   │       ├── logback-spring.xml                     # 日志配置
│   │       └── templates/
│   │           ├── index.html                         # 首页（文档转HTML）
│   │           └── pdf2word.html                      # PDF转Word页面
│   └── test/
├── pom.xml                                            # Maven配置
└── README.md                                          # 项目说明
```

## 构建和运行

### 前置要求

- JDK 1.8或更高版本
- Maven 3.x
- 无需Nacos或其他外部中间件

### 编译项目

```bash
mvn clean compile
```

### 打包项目

```bash
mvn clean package
```

打包完成后，会在`target`目录下生成可执行的jar包：`word2html-1.0.0.jar`

### 运行项目

```bash
java -jar target/word2html-1.0.0.jar
```

或者使用Maven直接运行：

```bash
mvn spring-boot:run
```

### 访问应用

启动成功后，在浏览器中访问：

```
http://localhost:8080/file2html          # 文档转HTML
http://localhost:8080/file2html/pdf2word/page  # PDF转Word
```

## 使用说明

### 文档转HTML

1. **选择导出模式**：上传前选择导出模式
   - **单文件模式**（默认）：图片内嵌为base64编码，生成独立的 .html 文件
   - **ZIP包模式**（仅 .docx）：图片分离存储，生成包含 .html 和 `media/` 图片目录的 .zip 包
2. **上传文档**：选择.doc/.docx（Word）或.xls/.xlsx（Excel）格式的文件，系统自动开始转换
3. **下载文件**：转换成功后，点击"下载HTML文件"或"下载ZIP文件"按钮
4. 生成的HTML文件名与原文档保持一致

### PDF转Word

1. **选择模式**：
   - **文本模式**：提取PDF中的文字内容，适合文字型PDF
   - **图片模式**：将PDF每页渲染为图片嵌入Word，适合扫描件或复杂排版
2. **上传PDF**：选择.pdf格式的文件
3. **下载Word**：转换成功后，下载.docx文件

## 注意事项

- 上传文件大小限制为50MB
- 生成的HTML文件包含所有图片（base64编码），若超过10MB将被拦截并提示
- ZIP导出模式仅支持 .docx 格式，图片以 `media/image_N.ext` 形式独立存储
- PDF转Word的表格识别仍在完善中，复杂表格可能需要手动调整
- 建议使用现代浏览器访问Web界面

## 开发说明

### 日志输出

应用会在控制台输出详细的转换日志，包括：
- 文件上传信息（文件名、大小、类型）
- 转换过程信息
- 图片处理信息
- 错误信息（如有）

### 配置说明

主要配置在`application.yml`中：
- 服务端口：8080（可通过 `--server.port` 参数覆盖）
- 上下文路径：`/file2html`
- 上传文件大小：最大50MB
- 生成的HTML大小限制：10MB（超过自动拒绝）
- 日志级别：INFO（com.word2html包为DEBUG）

## 许可证

本项目仅供学习和研究使用。