java - 将.docx转换为html，我得到的文字不可读

Possible Duplicate:
Convert Word doc to HTML programmatically in Java




我有一个程序，正在使用.docx文件并将其作为.html文件打开，但是当转换为html时，我得到的只是不可读的字符串。我需要此文件的html，因为以后需要解析它。当我使用下面的方法打开文件时，得到的文本不可读，例如：úL] iN？#tBd！？^ý？e“ 0©？®??AäúsIp？¸ü？D？ÓÃ\Dâ>½？ ？Eâcr＆Æl\Fâÿ2qJ？U ??IúK＆þIb

    FileInputStream fileInput = null;
    BufferedInputStream myBuffer = null;
    DataInputStream dataInput = null;
    fileInput = new FileInputStream(selectedFile);
    myBuffer = new BufferedInputStream(fileInput);
    dataInput = new DataInputStream(myBuffer);
    StringBuilder nHtmlText = new StringBuilder();
    while (dataInput.available() != 0) {
        System.out.println(dataInput.readLine());
        nHtmlText.append(dataInput.readLine());
    }
    htmlText = nHtmlText.toString();

是否有某种方法可以获取干净的可读html文件进行解析和保存？

最佳答案

没有。

您正在读取docx文件的原始内容，这不是html，而是压缩的xml-请参见here，您需要一些将docx转换为html的内容。两者有很大的不同。