使用Apache POI/Docx4j将Docx转PDF遇排版问题求助

问题概述 #

我尝试用Apache POI或Docx4j（基于Apache FOP）将Docx文档转PDF，但遇到两个排版问题：

• Apache POI转换时，原文档无换行的位置会多出不必要的换行
• Docx4j转换时，表格标题和表格会被强制移到下一页

作为新手，想知道哪个工具更适合我的场景，以及如何解决这些问题。

工具对比与选择建议 #

如果你的文档以简单文本为主，选Apache POI足够；如果涉及复杂排版（如表格、多级标题、分页规则），优先选Docx4j，它的排版还原效果更贴近原Word文档。

一、解决Apache POI的多余换行问题 #

问题原因

POI的PDF转换器对段落的换行规则、字符间距处理不够精准，尤其是文档包含自定义段落格式或特殊字体时，容易出现多余换行。

解决方案

1. 升级依赖版本：确保使用最新稳定版的POI（如5.2.5+）和对应的fr.opensagres.xdocreport.converter（2.0.2+），新版本修复了不少排版bug。
2. 预处理文档段落：遍历文档段落，移除不必要的换行标记，统一段落格式。
3. 配置字体映射：避免因字体缺失导致的排版错乱。

优化后的代码

try {
    oLog.error("function POI begin"); 
    String wordDocFile = "C:\\PRPCPersonalEdition\\tomcat\\TestDocument.docx";
    String pdfDocFile = "C:\\PRPCPersonalEdition\\tomcat\\TestDocument.pdf";

    oLog.error("WordDocFile is " + wordDocFile); 
    oLog.error("pdfDocFile is " + pdfDocFile); 

    InputStream iStream = new FileInputStream(wordDocFile);
    OutputStream os = new FileOutputStream(pdfDocFile);
    
    XWPFDocument document = new XWPFDocument(iStream);
    oLog.error("Loaded XWPFDocument");

    // 预处理段落，去除多余换行
    for (XWPFParagraph para : document.getParagraphs()) {
        String cleanText = para.getText().replaceAll("\\n+", " ").trim();
        // 清空原有run，重新设置文本
        while (para.getRuns().size() > 0) {
            para.removeRun(0);
        }
        para.createRun().setText(cleanText);
    }

    // 配置字体映射，替换为本地存在的字体
    PdfOptions options = PdfOptions.create()
            .fontProvider((fontName, encoding, size, style, color) -> {
                try {
                    // 替换为你的本地字体路径，比如宋体
                    return BaseFont.createFont("C:\\Windows\\Fonts\\simsun.ttc,0", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
                } catch (Exception e) {
                    //  fallback到默认字体
                    return BaseFont.createFont();
                }
            });

    PdfConverter.getInstance().convert(document, os, options);
   
    iStream.close();
    os.close();
    return "Success";
} catch(Exception e) {
    e.printStackTrace();
    oLog.error("print exception " + e);
    return "FAIL";
}

二、解决Docx4j的表格标题与表格分页问题 #

问题原因

Docx4j默认的分页策略会将无法在当前页完整显示的元素整体移到下一页，而表格标题作为独立段落，未和表格设置“保持在一起”的属性，导致两者被拆分到不同页面。

解决方案

1. 设置段落的“keep with next”属性：让表格标题和后续表格保持在同一页。
2. 设置表格的“keep lines”属性：避免表格自身被分页拆分。
3. 调整页面边距：增加当前页的可容纳空间。

优化后的代码

try {
    String wordDocFile = "C:\\PRPCPersonalEdition\\tomcat\\TestDocument.docx";
    String pdfDocFile = "C:\\PRPCPersonalEdition\\tomcat\\TestDocument.pdf";
    
    InputStream iStream = new FileInputStream(wordDocFile);
    WordprocessingMLPackage pack = WordprocessingMLPackage.load(iStream);
    MainDocumentPart docPart = pack.getMainDocumentPart();
    ObjectFactory factory = pack.getObjectFactory();

    // 遍历文档内容，为表格标题设置"keep with next"，为表格设置不跨页
    List<Object> content = docPart.getContent();
    for (int i = 0; i < content.size(); i++) {
        Object obj = content.get(i);
        if (obj instanceof P) {
            P para = (P) obj;
            // 根据实际文档的标题样式判断，比如样式名为"TableTitle"或"Heading2"
            if (para.getPPr() != null && para.getPPr().getStyle() != null) {
                String styleId = para.getPPr().getStyle().getVal();
                if ("TableTitle".equals(styleId)) {
                    // 启用"与下一段保持在一起"
                    if (para.getPPr().getKeepNext() == null) {
                        para.getPPr().setKeepNext(factory.createKeepNext());
                    }
                    para.getPPr().getKeepNext().setVal(STOnOff.ON);
                }
            }
        } else if (obj instanceof Tbl) {
            Tbl table = (Tbl) obj;
            // 设置表格不跨页拆分
            if (table.getTblPr() == null) {
                table.setTblPr(factory.createTblPr());
            }
            if (table.getTblPr().getKeepLines() == null) {
                table.getTblPr().setKeepLines(factory.createKeepLines());
            }
            table.getTblPr().getKeepLines().setVal(STOnOff.ON);
        }
    }

    // 配置PDF转换的页面参数，调整边距
    PdfConversionOptions options = PdfConversionOptions.getDefaults();
    options.setMarginTop(BigInteger.valueOf(720)); // 上边距1英寸（720 twip）
    options.setMarginBottom(BigInteger.valueOf(720));
    options.setMarginLeft(BigInteger.valueOf(720));
    options.setMarginRight(BigInteger.valueOf(720));

    OutputStream os = new FileOutputStream(pdfDocFile);
    Docx4J.toPDF(pack, os, options);
    
    iStream.close();
    os.close();
    return "Success";
} catch(Exception e) {
    e.printStackTrace();
    oLog.error("print exception " + e);
    return "FAIL";
}

三、修复你提供的iText代码问题 #

你给出的iText代码存在osCurrentStream未初始化就使用的空指针问题，以下是优化后的版本，直接用字节流处理转换后的PDF：

try {
    oLog.error("function PDF iText begin");
    String wordDocFile = "C:\\PRPCPersonalEdition\\tomcat\\DraftMin.docx";
    String pdfDocFile = "C:\\PRPCPersonalEdition\\tomcat\\DraftMinItext12.pdf";

    InputStream iStream = new FileInputStream(wordDocFile);
    oLog.error("Read Input file " + iStream);

    XWPFDocument document = new XWPFDocument(iStream);
    PdfOptions options = PdfOptions.create();

    // 先将Docx转成PDF字节流
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    PdfConverter.getInstance().convert(document, baos, options);

    // 使用iText处理PDF文档
    com.itextpdf.text.Document finalDocument = new com.itextpdf.text.Document();
    finalDocument.addAuthor("Your Corporation");
    finalDocument.addCreationDate();
    finalDocument.addProducer();
    finalDocument.addCreator("System");
    finalDocument.addTitle("Your Corporation");
    finalDocument.setPageSize(com.itextpdf.text.PageSize.A4);

    OutputStream os = new FileOutputStream(pdfDocFile);
    com.itextpdf.text.pdf.PdfCopy copy1 = new com.itextpdf.text.pdf.PdfCopy(finalDocument, os);
    finalDocument.open();

    // 读取转换后的PDF字节流
    com.itextpdf.text.pdf.PdfReader.unethicalreading = true;
    com.itextpdf.text.pdf.PdfReader readingpdf = new com.itextpdf.text.pdf.PdfReader(baos.toByteArray());

    int pageCount = readingpdf.getNumberOfPages();
    // 遍历所有页面，注意原代码漏掉最后一页（i <= pageCount）
    for (int i = 1; i <= pageCount; i++) {
        oLog.error("Entered in loop " + i);
        copy1.addPage(copy1.getImportedPage(readingpdf, i));
        oLog.error("Read Page n : " + i);
    }

    // 关闭资源
    finalDocument.close();
    readingpdf.close();
    baos.close();
    iStream.close();
    os.close();
    return "Success";
} catch(Exception e) {
    e.printStackTrace();
    oLog.error("print exception " + e);
    return "FAIL";
}

内容的提问来源于stack exchange，提问作者Sonakshi