使用 OpenXML 从 HTML 文件生成 docx 文件答案

【问题标题】：Generating docx file from HTML file using OpenXML使用 OpenXML 从 HTML 文件生成 docx 文件
【发布时间】：2016-05-11 06:20:06
【问题描述】：

我正在使用这种方法生成docx文件：

public static void CreateDocument(string documentFileName, string text)
{
    using (WordprocessingDocument wordDoc =
        WordprocessingDocument.Create(documentFileName, WordprocessingDocumentType.Document))
    {
        MainDocumentPart mainPart = wordDoc.AddMainDocumentPart();

        string docXml =
                    @"<?xml version=""1.0"" encoding=""UTF-8"" standalone=""yes""?>
                 <w:document xmlns:w=""http://schemas.openxmlformats.org/wordprocessingml/2006/main"">
                 <w:body><w:p><w:r><w:t>#REPLACE#</w:t></w:r></w:p></w:body>
                 </w:document>";

        docXml = docXml.Replace("#REPLACE#", text);

        using (Stream stream = mainPart.GetStream())
        {
            byte[] buf = (new UTF8Encoding()).GetBytes(docXml);
            stream.Write(buf, 0, buf.Length);
        }
    }
}

它就像一个魅力：

CreateDocument("test.docx", "Hello");

但是如果我想放置 HTML 内容而不是 Hello 怎么办？例如：

CreateDocument("test.docx", @"<html><head></head>
                              <body>
                                    <h1>Hello</h1>
                              </body>
                        </html>");

或者是这样的：

CreateDocument("test.docx", @"Hello<BR>
                                    This is a simple text<BR>
                                    Third paragraph<BR>
                                    Sign
                        ");

这两种情况都会为document.xml 创建无效结构。任何想法？如何从 HTML 内容生成 docx 文件？

【问题讨论】：

标签： c# openxml docx sql-server-openxml

【解决方案1】：

我意识到我在这里比赛迟到了 7 年。尽管如此，对于未来搜索如何从 HTML 转换为 Word Doc 的人来说，Microsoft MSDN 站点上的this 博客帖子提供了使用 OpenXML 执行此操作所需的大部分要素。我发现帖子本身令人困惑，但他包含的 source 代码为我澄清了一切。

唯一缺少的部分是如何从头开始构建 Docx 文件，而不是如他的示例所示如何合并到现有文件中。我从here找到了这个花絮。

不幸的是，我在其中使用的项目是用 vb.net 编写的。所以我会先分享 vb.net 代码，然后是它的自动 c# 转换，可能准确也可能不准确。

vb.net 代码：

Imports DocumentFormat.OpenXml
Imports DocumentFormat.OpenXml.Packaging
Imports DocumentFormat.OpenXml.Wordprocessing
Imports System.IO

Dim ms As IO.MemoryStream
Dim mainPart As MainDocumentPart
Dim b As Body
Dim d As Document
Dim chunk As AlternativeFormatImportPart
Dim altChunk As AltChunk

Const altChunkID As String = "AltChunkId1"

ms = New MemoryStream()

Using myDoc = WordprocessingDocument.Create(ms,WordprocessingDocumentType.Document)
    mainPart = myDoc.MainDocumentPart

    If mainPart Is Nothing Then
        mainPart = myDoc.AddMainDocumentPart()

        b = New Body()
        d = New Document(b)
        d.Save(mainPart)
    End If

    chunk = mainPart.AddAlternativeFormatImportPart(AlternativeFormatImportPartType.Xhtml, altChunkID)

    Using chunkStream As Stream = chunk.GetStream(FileMode.Create, FileAccess.Write)
        Using stringStream As StreamWriter = New StreamWriter(chunkStream)
            stringStream.Write("YOUR HTML HERE")
        End Using
    End Using

    altChunk = New AltChunk()
    altChunk.Id = altChunkID
    mainPart.Document.Body.InsertAt(Of AltChunk)(altChunk, 0)
    mainPart.Document.Save()
End Using

c#代码：

using DocumentFormat.OpenXml;
using DocumentFormat.OpenXml.Packaging;
using DocumentFormat.OpenXml.Wordprocessing;
using System.IO;

IO.MemoryStream ms;
MainDocumentPart mainPart;
Body b;
Document d;
AlternativeFormatImportPart chunk;
AltChunk altChunk;

string altChunkID = "AltChunkId1";

ms = new MemoryStream();

Using (myDoc = WordprocessingDocument.Create(ms, WordprocessingDocumentType.Document))
{
    mainPart = myDoc.MainDocumentPart;

    if (mainPart == null) 
    {
         mainPart = myDoc.AddMainDocumentPart();
         b = new Body();
         d = new Document(b);
         d.Save(mainPart);
    }

    chunk = mainPart.AddAlternativeFormatImportPart(AlternativeFormatImportPartType.Xhtml, altChunkID);

    Using (Stream chunkStream = chunk.GetStream(FileMode.Create, FileAccess.Write)
    {
         Using (StreamWriter stringStream = new StreamWriter(chunkStream))         
         {
              stringStream.Write("YOUR HTML HERE");
         }
    }    

    altChunk = new AltChunk();
    altChunk.Id = altChunkID;
    mainPart.Document.Body.InsertAt(Of, AltChunk)[altChunk, 0];
    mainPart.Document.Save();
}

请注意，我在另一个例程中使用了 ms 内存流，这是在使用后将其丢弃的地方。

我希望这对其他人有帮助！

【讨论】：

这里要注意的一点是，您插入的 HTML 需要包含在 <html></html> 标记中才能呈现为 HTML，即 stringStream.Write(@"<html><h2>Hi There</h2></body>")

【解决方案2】：

您不能只将 HTML 内容插入“document.xml”，这部分只需要 WordprocessingML 内容，因此您必须将该 HTML 转换为 WordprocessingML，see this。

您可以使用的另一件事是 altChunk 元素，使用它您可以在 DOCX 文件中放置一个 HTML 文件，然后在文档中的某个特定位置引用该 HTML 内容，see this。

最后作为替代方案，使用 GemBox.Document library 您可以完全实现您想要的，请参阅以下内容：

public static void CreateDocument(string documentFileName, string text)
{
    DocumentModel document = new DocumentModel();
    document.Content.LoadText(text, LoadOptions.HtmlDefault);
    document.Save(documentFileName);
}

或者您实际上可以直接将 HTML 内容转换为 DOCX 文件：

public static void Convert(string documentFileName, string htmlText)
{
    HtmlLoadOptions options = LoadOptions.HtmlDefault;
    using (var htmlStream = new MemoryStream(options.Encoding.GetBytes(htmlText)))
        DocumentModel.Load(htmlStream, options)
                     .Save(documentFileName);
}

【讨论】：

我的帖子docx4java.org/blog/2014/09/… 以其他几个选项结尾

【解决方案3】：

我可以使用此代码在 .net Core 中使用 OpenXML 成功地将 HTML 内容转换为 docx 文件

string html = "<strong>Hello</strong> World";
using (MemoryStream generatedDocument = new MemoryStream()){
   using (WordprocessingDocument package = 
                  WordprocessingDocument.Create(generatedDocument,
                  WordprocessingDocumentType.Document)){
   MainDocumentPart mainPart = package.MainDocumentPart;
   if (mainPart == null){
    mainPart = package.AddMainDocumentPart();
    new Document(new Body()).Save(mainPart);
}
HtmlConverter converter = new HtmlConverter(mainPart);
converter.ParseHtml(html);
mainPart.Document.Save();
}

保存在磁盘上

System.IO.File.WriteAllBytes("filename.docx", generatedDocument.ToArray());

要在 net core mvc 中返回文件以供下载，请使用

return File(generatedDocument.ToArray(), 
          "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
          "filename.docx");

【讨论】：

HtmlConverter 类的命名空间是什么？