Java中使用POI库实现Word转PDF的完整技术方案

在现代企业应用开发中，文档格式转换是常见的功能需求，特别是将Microsoft Word文档转换为通用的PDF格式。Apache POI作为Java生态中最强大的文档处理库之一，为开发者提供了操作Office文档的能力。本文将全面讲解如何使用POI结合其他工具实现高质量的Word到PDF转换。

一、技术背景与选型分析

Word转PDF的技术实现主要有几种路径：

• 基于POI + iText/Apache PDFBox：本文重点介绍方案，纯Java实现，跨平台
• 基于LibreOffice的转换：需要安装外部程序，但格式兼容性最好
• 调用商业API：如Aspose等，功能强大但成本较高

二、环境准备与依赖配置

首先需要在项目中引入必要的依赖。以下是Maven项目的pom.xml配置示例：

<dependencies>
    <!-- Apache POI核心库 -->
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi</artifactId>
        <version>5.2.3</version>
    </dependency>
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi-ooxml</artifactId>
        <version>5.2.3</version>
    </dependency>
    
    <!-- Apache PDFBox用于PDF生成 -->
    <dependency>
        <groupId>org.apache.pdfbox</groupId>
        <artifactId>pdfbox</artifactId>
        <version>2.0.27</version>
    </dependency>
    
    <!-- 用于字体支持的依赖 -->
    <dependency>
        <groupId>org.fontbox</groupId>
        <artifactId>fontbox</artifactId>
        <version>2.0.27</version>
    </dependency>
</dependencies>

三、核心转换实现代码

以下是完整的Java转换工具类实现，包含对.doc和.docx格式的支持：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.font.PDType1Font;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extract.WordExtractor;

import java.io.*;

public class WordToPdfConverter {
    
    /**
     * 将Word文档转换为PDF
     * @param inputPath Word文件路径
     * @param outputPath PDF输出路径
     * @throws Exception 转换异常
     */
    public static void convert(String inputPath, String outputPath) throws Exception {
        File inputFile = new File(inputPath);
        
        if (!inputFile.exists()) {
            throw new FileNotFoundException("输入文件不存在: " + inputPath);
        }
        
        String fileName = inputFile.getName().toLowerCase();
        
        if (fileName.endsWith(".docx")) {
            convertDocxToPdf(inputPath, outputPath);
        } else if (fileName.endsWith(".doc")) {
            convertDocToPdf(inputPath, outputPath);
        } else {
            throw new IllegalArgumentException("不支持的文件格式，仅支持.doc和.docx");
        }
    }
    
    private static void convertDocxToPdf(String inputPath, String outputPath) throws Exception {
        try (XWPFDocument document = new XWPFDocument(new FileInputStream(inputPath))) {
            // 创建PDF文档
            PDDocument pdfDocument = new PDDocument();
            PDPage page = new PDPage();
            pdfDocument.addPage(page);
            
            PDPageContentStream contentStream = new PDPageContentStream(pdfDocument, page);
            
            // 设置字体（需要根据实际内容选择支持的字体）
            PDFont font = PDType1Font.HELVETICA;
            
            // 遍历Word文档中的段落
            float yOffset = 750f; // 初始Y位置
            
            for (var paragraph : document.getParagraphs()) {
                String text = paragraph.getText();
                if (text != null && !text.isEmpty()) {
                    contentStream.beginText();
                    contentStream.setFont(font, 12);
                    contentStream.newLineAtOffset(50, yOffset);
                    contentStream.showText(text);
                    contentStream.endText();
                    
                    yOffset -= 15f; // 换行
                    
                    // 如果到达页面底部，创建新页面
                    if (yOffset < 50) {
                        contentStream.close();
                        page = new PDPage();
                        pdfDocument.addPage(page);
                        contentStream = new PDPageContentStream(pdfDocument, page);
                        yOffset = 750f;
                    }
                }
            }
            
            contentStream.close();
            pdfDocument.save(outputPath);
            pdfDocument.close();
        }
    }
    
    private static void convertDocToPdf(String inputPath, String outputPath) throws Exception {
        try (HWPFDocument document = new HWPFDocument(new FileInputStream(inputPath))) {
            WordExtractor extractor = new WordExtractor(document);
            String[] paragraphs = extractor.getParagraphText();
            
            PDDocument pdfDocument = new PDDocument();
            PDPage page = new PDPage();
            pdfDocument.addPage(page);
            
            PDPageContentStream contentStream = new PDPageContentStream(pdfDocument, page);
            PDFont font = PDType1Font.HELVETICA;
            float yOffset = 750f;
            
            for (String text : paragraphs) {
                if (text != null && !text.trim().isEmpty()) {
                    contentStream.beginText();
                    contentStream.setFont(font, 12);
                    contentStream.newLineAtOffset(50, yOffset);
                    contentStream.showText(text);
                    contentStream.endText();
                    
                    yOffset -= 15f;
                    
                    if (yOffset < 50) {
                        contentStream.close();
                        page = new PDPage();
                        pdfDocument.addPage(page);
                        contentStream = new PDPageContentStream(pdfDocument, page);
                        yOffset = 750f;
                    }
                }
            }
            
            contentStream.close();
            pdfDocument.save(outputPath);
            pdfDocument.close();
        }
    }
}

四、进阶优化与问题解决

1. 中文支持解决方案

默认情况下PDFBox不支持中文字体，需要加载中文字体文件：

// 加载中文字体示例
PDType0Font chineseFont = PDType0Font.load(pdfDocument, 
    new File("C:/Windows/Fonts/simsun.ttc"));

2. 样式保留策略

要实现更精确的样式保留，可以：

• 解析Word文档的CSS样式信息
• 使用PDFBox的高级绘图API重建格式
• 对于复杂排版，考虑使用LibreOffice作为转换引擎

3. 大文件处理优化

// 分块读取处理大文件
public void convertLargeFile(String inputPath, String outputPath) throws Exception {
    try (InputStream inputStream = new BufferedInputStream(
            new FileInputStream(inputPath))) {
        // 使用流式处理避免内存溢出
        // 实现分块读取逻辑...
    }
}

五、性能对比与最佳实践

六、总结与展望

使用Java POI实现Word转PDF是一个经济高效且跨平台的解决方案。虽然它在复杂格式处理上存在一定局限性，但对于大多数企业应用场景已经足够。随着Apache POI和PDFBox的持续更新，转换质量和功能也在不断提升。

未来的发展趋势是更加智能的文档理解能力和更好的格式保留效果。开发者也可以考虑结合AI技术实现更智能的文档处理。