自己动手写CSDN博客提取器源码分析之二：处理网页保存为doc文件
下面是把抓取到的网页用itext包保存为doc文件，过程很简单的。下面是这个类的实现：
/** * */package com.wyp.html2doc;import java.io.File;import java.io.FileOutputStream;import java.io.StringReader;import java.util.List;import com.lowagie.text.Document;import com.lowagie.text.Element;import com.lowagie.text.HeaderFooter;import com.lowagie.text.PageSize;import com.lowagie.text.Paragraph;import com.lowagie.text.Phrase;import com.lowagie.text.Rectangle;import com.lowagie.text.html.simpleparser.HTMLWorker;import com.lowagie.text.html.simpleparser.StyleSheet;import com.lowagie.text.rtf.RtfWriter2;/** * @author w397090770 * Create Data: 2012-7-18 * Email: wyphao.2007@163.com * * 版权所有，翻版不究，但是在修改本程序的时候务必加上这些注释。谢谢 * 仅用于学习交流之用 */public class saveAsDOC {@SuppressWarnings("unchecked")public void getDoc(File file, String contents, String title) throws Exception {//file是保存文件的文件夹路径，contests是前面处理好的网页源码，title是帖子的标题，用于标记生成的文件名File saveFileName = new File(file.getAbsoluteFile() + File.separator + title + ".doc");if(!saveFileName.exists()){saveFileName.createNewFile();}else{//和以前处理txt文件一样，如果先前这个文件已经存在，我们就不打算再去生成doc文件了，直接返回return;}// 设置纸张大小Document document = new Document(PageSize.A4);// 建立一个书写器(Writer)与document对象关联，通过书写器(Writer)可以将文档写入到磁盘中RtfWriter2.getInstance(document,new FileOutputStream(saveFileName));document.open();// 设置中文字体//BaseFont bfChinese = BaseFont.createFont("STSongStd-Light","UniGB-UCS2-H", BaseFont.NOT_EMBEDDED);// 正文字体风格//Font contextFont = new Font(bfChinese, 12, Font.NORMAL);// 添加页眉HeaderFooter header = new HeaderFooter(new Phrase(title), false);header.setAlignment(Rectangle.ALIGN_CENTER);document.setHeader(header);// 添加页脚/*HeaderFooter footer = new HeaderFooter(new Phrase(), false);footer.setAlignment(Rectangle.ALIGN_CENTER);document.setFooter(footer);*/Paragraph paragraph = new Paragraph();paragraph.setAlignment(Element.ALIGN_LEFT);paragraph.setFirstLineIndent(20);StyleSheet ss = new StyleSheet();// 添加网页里面的东西List<Element>htmlList = HTMLWorker.parseToList(new StringReader(contents),ss);for (int i = 0; i < htmlList.size(); i++) {Element e = htmlList.get(i);paragraph.add(e);}document.add(paragraph);document.close();}}代码很简单吧。