使用XDocReport转含UTF-8的.doc为HTML乱码，求编码设置方法

你遇到的问题是因为XHTMLOptions确实没有setEncoding方法，编码控制需要通过输出流的字符编码设置来实现——默认情况下转换器会使用系统平台编码，导致UTF-8字符显示乱码。

修改代码如下，通过指定输出流的字符编码为UTF-8来解决乱码：

public static byte[] generateHTMLFromDoc(byte[] docBytes) {
    try(ByteArrayInputStream inputStream = new ByteArrayInputStream(docBytes);
        ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
        // 指定UTF-8编码包装输出流
        OutputStreamWriter writer = new OutputStreamWriter(outputStream, StandardCharsets.UTF_8)) {
        XWPFDocument document = new XWPFDocument(inputStream);
        XHTMLOptions options = XHTMLOptions.create();
        Base64ImageExtractor imageExtractor = new Base64ImageExtractor();
        options.setExtractor(imageExtractor);
        options.URIResolver(imageExtractor);
        // 使用Writer作为输出目标，而非直接用OutputStream
        XHTMLConverter.getInstance().convert(document, writer, options);
        writer.flush(); // 确保所有内容写入输出流
        return outputStream.toByteArray();
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
    return null;
}

关键修改说明 #

• 用OutputStreamWriter包装ByteArrayOutputStream，并明确指定StandardCharsets.UTF_8编码，确保输出的HTML内容以UTF-8编码写入。
• 调用convert方法时传入Writer对象，而非原始的OutputStream，这样转换器会遵循指定的编码处理字符。
• 添加writer.flush()确保所有字符数据都被写入到底层的字节输出流中。

内容的提问来源于stack exchange，提问作者Pla