Java實現(xiàn)Html保存為.mhtml文件的代碼邏輯

更新時間：2026年01月19日 10:10:43 作者：知秋正在996

文章介紹了實現(xiàn)將HTML字符串保存為.mhtml文件的代碼邏輯,包括通過URL和Cookie免密獲取HTML字符串,將HTML中的圖片、CSS、JS轉(zhuǎn)換為base64字符串,刪除不需要的布局和內(nèi)容,最終將替換后的HTML保存為.mhtml文件,感興趣的朋友跟隨小編一起看看吧

功能需求

將html字符串保存為.mhtml文件

代碼實現(xiàn)

pom.xml依賴

<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <!-- https://mvnrepository.com/artifact/cn.hutool/hutool-all -->
        <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-all</artifactId>
            <version>5.8.43</version>
        </dependency>
        <!-- Jsoup：解析HTML標簽、提取圖片/樣式資源，必備 -->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.17.2</version>
        </dependency>
        <!-- Apache工具包：Base64編碼圖片資源、IO流處理，必備 -->
        <!-- Source: https://mvnrepository.com/artifact/commons-codec/commons-codec -->
        <dependency>
            <groupId>commons-codec</groupId>
            <artifactId>commons-codec</artifactId>
            <version>1.15</version>
            <scope>compile</scope>
        </dependency>
        <!-- Source: https://mvnrepository.com/artifact/commons-io/commons-io -->
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.15.1</version>
            <scope>compile</scope>
        </dependency>
        <!-- Source: https://mvnrepository.com/artifact/org.projectlombok/lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.38</version>
            <scope>compile</scope>
        </dependency>
    </dependencies>

獲取通過訪問url獲取html字符串內(nèi)容工具類

@Slf4j
public class WikiUtils {
    /**
     * 獲取wiki 頁面html
     */
    public static String getConfluencePageHtml(String url,String cookie) {
        String value = "";
        HttpResponse httpResponse = HttpClient.httpGetResponse(url, cookie);
        if (httpResponse.isOk()){
            value = httpResponse.body();
        }else if (httpResponse.getStatus() == 403|| httpResponse.getStatus() == 302){
            log.error("無效的cookie,無權(quán)限訪問");
        }else {
            log.error("獲取html頁面失敗");
        }
        return value;
    }
    /**
     * 在請求頭中放入cookie，避免登錄攔截
     */
    public static HttpResponse httpGetResponse(String url,String cookie) {
        Map<String, String> headers = new HashMap<>();
        headers.put("Cookie", cookie);
        //登錄
        HttpResponse response = HttpRequest.get(url).headerMap(headers, true).execute();
        return response;
    }
}

Html轉(zhuǎn)換.mhtml核心類

@Slf4j
public class Html2MHTCompiler {
    public static String parseTittle(String html) {
        Document doc = Jsoup.parse(html);
        Element titleElement = doc.selectFirst("title");
        if (titleElement != null) {
            String text = titleElement.text();
            int i = text.indexOf("-");
            if (i > 0) {
                return text.substring(0, i).trim();
            }
            return  text.trim();
        }
        return null;
    }
    // 原資源URL  -> 資源的Base64編碼(帶MIME頭)
    public static Map<String, String> parseHtmlPage(String cookie,String html, String baseUrl) {
        Map<String, String> resourceMap = new HashMap<>();
        Document doc = Jsoup.parse(html);
        // ========== 1. 提取所有 img 圖片資源 ==========
        Elements imgElements = doc.select("img[src]");
        for (Element imgElement : imgElements) {
            String imgSrc = imgElement.attr("src");
            parseResource(cookie,imgSrc,"image",baseUrl, resourceMap);
        }
        // ========== 2. 提取所有 link 外鏈CSS樣式表資源==========
        Elements cssElements = doc.select("link[rel=stylesheet][href]");
        for (Element cssElement : cssElements) {
            String cssHref = cssElement.attr("href");
            parseResource(cookie,cssHref, "CSS",baseUrl, resourceMap);
        }
        // ========== 3. 提取所有 script 外鏈JS腳本資源 ==========
        Elements jsElements = doc.select("script[src]");
        for (Element jsElement : jsElements) {
            String jsSrc = jsElement.attr("src");
            parseResource(cookie,jsSrc,"javascript",baseUrl, resourceMap);
        }
        return resourceMap;
    }
    // ========== 刪除部分元素class="acs-side-bar ia-scrollable-section" 、
    // class="ia-splitter-left"、
    // id="header"
    // id="navigation"
    // id="likes-and-labels-container"、
    // id="footer" 、
    // id="comments-section"
    // id="page-metadata-banner"
    // id="breadcrumb-section"
    // 、id="main"的style="margin-left: 285px;" ==========
    public static String removeUnwantedElements(String html) {
        Document doc = Jsoup.parse(html);
        //刪除head標簽下的style標簽的屬性中的.ia-splitter-left  #main 這兩個選擇器
        removeCssSelectorFromStyleTag(doc, ".ia-splitter-left");
        removeCssSelectorFromStyleTag(doc, "#main");
        // 1. 刪除指定class的元素 → 側(cè)邊欄/左側(cè)面板 等冗余區(qū)域
        doc.select(".acs-side-bar .ia-scrollable-section").remove();
        doc.select(".ia-splitter-left").remove();
        // 2. 刪除指定id的元素 → 點贊標簽區(qū)、頁腳、評論區(qū) 等無用模塊
//        doc.getElementById("likes-and-labels-container").remove();
        doc.getElementById("footer").remove();
        doc.getElementById("header").remove();
        doc.getElementById("navigation").remove();
        doc.getElementById("comments-section").remove();
        doc.getElementById("page-metadata-banner").remove();
        doc.getElementById("breadcrumb-section").remove();
        // 3. 精準移除 id="main" 標簽中【指定的style樣式：margin-left: 285px;】，保留其他style樣式
        Element mainElement = doc.getElementById("main");
        if (mainElement != null && mainElement.hasAttr("style")) {
            // 獲取原style屬性值
            String oldStyle = mainElement.attr("style");
            // 移除指定的樣式段，保留其他樣式
            String newStyle = oldStyle.replace("margin-left: 285px;", "").trim();
            // 處理移除后style為空的情況，避免殘留空的style=""屬性
            if (newStyle.isEmpty()) {
                mainElement.removeAttr("style");
            } else {
                mainElement.attr("style", newStyle);
            }
        }
        return doc.html();
    }
    /**
     * 核心工具方法：刪除<head>標簽下所有<style>標簽內(nèi)的【指定CSS選擇器】及其對應(yīng)的所有樣式
     * @param doc jsoup解析后的文檔對象
     * @param selector 要刪除的css選擇器，如：.ia-splitter-left 、 #main
     */
    private static void removeCssSelectorFromStyleTag(Document doc, String selector) {
        // 1. 獲取head標簽下所有的style樣式標簽
        Elements styleTags = doc.head().select("style");
        if (styleTags.isEmpty()) {
            return; // 沒有style標簽，直接返回
        }
        // 2. 遍歷每一個style標簽，處理內(nèi)部的css內(nèi)容
        for (Element styleTag : styleTags) {
            String cssContent = styleTag.html();
            if (cssContent.isEmpty()) continue;
            // 3. 精準匹配【選擇器 { 任意樣式內(nèi)容 }】 完整塊，含換行/空格/制表符，匹配規(guī)則全覆蓋
            // 匹配規(guī)則：匹配 .ia-splitter-left { ... }  或  #main { ... }  完整的樣式塊
            String regex = selector + "\\s*\\{[^}]*\\}";
            // 替換匹配到的內(nèi)容為空，即刪除該選擇器及對應(yīng)樣式
            String newCssContent = cssContent.replaceAll(regex, "").trim();
            // 處理替換后多余的空行/空格，讓css內(nèi)容更整潔
            newCssContent = newCssContent.replaceAll("\\n+", "\n").replaceAll("\\s+", " ");
            // 4. 將處理后的css內(nèi)容重新寫入style標簽
            styleTag.html(newCssContent);
        }
    }
    // ========== 圖片/CSS/JS都復(fù)用這個方法 ==========
    private static void parseResource(String cookie,String resourceSrc,String resourceType,String baseUrl, Map<String, String> resourceMap) {
        try {
            // 拼接完整URL（兼容：絕對路徑/相對路徑）
            String fullResourceUrl = getFullUrl(baseUrl, resourceSrc);
            // 下載資源文件，轉(zhuǎn)成【帶MIME頭的Base64編碼】
            String base64Resource = downloadResourceToBase64(fullResourceUrl,resourceType, cookie);
            resourceMap.put(resourceSrc, base64Resource);
        } catch (Exception e) {
            log.error("資源解析失敗，跳過該資源：" + resourceSrc, e);
        }
    }
    // 拼接完整URL：處理相對路徑/絕對路徑 (原有方法，復(fù)用)
    private static String getFullUrl(String baseUrl, String src) {
        if (src.startsWith("http://") || src.startsWith("https://")) {
            return src; // 絕對路徑，直接返回
        } else if(src.startsWith("http://")){
            return "https:" + src; // 兼容 //xxx.com/xxx.css 這種無協(xié)議路徑
        } else {
            return src.startsWith("/") ? baseUrl + src : baseUrl + "/" + src; // 相對路徑，拼接根路徑
        }
    }
    // ========== 通用資源下載+Base64編碼方法，支持【圖片/CSS/JS】所有類型 ==========
    private static String downloadResourceToBase64(String resourceUrl,String resourceType,String cookie) throws Exception {
        URL url = new URL(resourceUrl);
        HttpURLConnection conn = (HttpURLConnection) url.openConnection();
        conn.setConnectTimeout(5000);
        conn.setReadTimeout(5000);
        conn.setRequestMethod("GET");
        conn.setRequestProperty("Cookie",cookie);
        // 解決部分網(wǎng)站的反爬/跨域問題
        conn.setRequestProperty("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/120.0.0.0");
        conn.setRequestProperty("Connection", "keep-alive");
        conn.setRequestProperty("Accept", "*/*");
        if (resourceType.equals("image")){
            conn.setRequestProperty("Accept-Encoding", "gzip, deflate");
        }
        if (conn.getResponseCode() == 200) {
            InputStream in = conn.getInputStream();
            ByteArrayOutputStream out = new ByteArrayOutputStream();
            byte[] buffer = new byte[1024];
            int len;
            while ((len = in.read(buffer)) != -1) {
                out.write(buffer, 0, len);
            }
            byte[] resourceBytes = out.toByteArray();
            // 對圖片類型做【體積壓縮+無損渲染】處理
            if ("image".equalsIgnoreCase(resourceType) && resourceBytes.length > 0) {
                resourceBytes = compressImage(resourceBytes, 0.7f); // 0.7是壓縮質(zhì)量，可調(diào)整
            }
            // 獲取資源的MIME類型 + Base64編碼，自動適配圖片/CSS/JS
            String mimeType = conn.getContentType();
            String base64 = Base64.encodeBase64String(resourceBytes);
            in.close();
            out.close();
            conn.disconnect();
            // 返回標準的data-url格式，可直接嵌入HTML替換原URL
            return "data:" + mimeType + ";base64," + base64;
        }
        return null;
    }
    /**
     * 核心圖片壓縮工具方法：圖片質(zhì)量壓縮（核心無坑）
     * @param imageBytes 原圖字節(jié)流
     * @param quality 壓縮質(zhì)量 0.1~1.0 ，推薦0.6~0.8 （數(shù)值越大越清晰，體積越大）
     * @return 壓縮后的圖片字節(jié)流
     */
    private static byte[] compressImage(byte[] imageBytes, float quality) throws Exception {
        // 質(zhì)量值兜底，防止傳參錯誤
        if (quality < 0.1f) quality = 0.1f;
        if (quality > 1.0f) quality = 1.0f;
        ByteArrayInputStream bais = new ByteArrayInputStream(imageBytes);
        BufferedImage bufferedImage = ImageIO.read(bais);
        if (bufferedImage == null) {
            return imageBytes; // 非標準圖片，返回原圖
        }
        // 獲取圖片格式（png/jpg等）
        String format = getImageFormat(imageBytes);
        if (format == null) {
            format = "jpeg";
        }
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        // 質(zhì)量壓縮，尺寸不變，清晰度無損，體積減小
        ImageIO.write(bufferedImage, format, new MemoryCacheImageOutputStream(baos) {
            @Override
            public void write(byte[] b, int off, int len) {
                try {
                    super.write(b, off, len);
                } catch (Exception e) {
                    // 異常時直接寫入原圖，不影響
                }
            }
        });
        // 如果壓縮后體積變大，返回原圖
        byte[] compressedBytes = baos.toByteArray();
        bais.close();
        baos.close();
        return compressedBytes.length < imageBytes.length ? compressedBytes : imageBytes;
    }
    /**
     * 獲取圖片真實格式
     */
    private static String getImageFormat(byte[] imageBytes) throws Exception {
        ByteArrayInputStream bais = new ByteArrayInputStream(imageBytes);
        ImageInputStream iis = ImageIO.createImageInputStream(bais);
        Iterator<ImageReader> readers = ImageIO.getImageReaders(iis);
        if (readers.hasNext()) {
            ImageReader reader = readers.next();
            String format = reader.getFormatName();
            iis.close();
            bais.close();
            return format;
        }
        iis.close();
        bais.close();
        return null;
    }
    public static String embedResources(String html, Map<String, String> resources) {
        String embeddedHtml = html;
        // 遍歷所有資源，替換原URL為Base64編碼
        for (Map.Entry<String, String> entry : resources.entrySet()) {
            String resourceUrl = entry.getKey();
            String resourceUrlEscape = resourceUrl.replace("&", "&");
            String embeddedUrl = entry.getValue();
            embeddedHtml = embeddedHtml.replace(resourceUrlEscape, embeddedUrl);
        }
        return embeddedHtml;
    }
    public static void saveAsMhtml(String html, String filePath) {
        try (BufferedWriter writer = new BufferedWriter(
                new OutputStreamWriter(new FileOutputStream(filePath), StandardCharsets.UTF_8)
        )) {
            // 寫入MHTML標準協(xié)議頭
            writer.write("MIME-Version: 1.0");
            writer.newLine();
            writer.write("Content-Type: multipart/related; boundary=\"boundary\"");
            writer.newLine();
            writer.newLine();
            // 寫入內(nèi)容邊界開始標識
            writer.write("--boundary");
            writer.newLine();
            writer.write("Content-Type: text/html; charset=UTF-8");
            writer.newLine();
            writer.newLine();
            // 寫入核心的、已嵌入所有資源的HTML內(nèi)容
            writer.write(html);
            writer.newLine();
            writer.newLine();
            // 寫入MHTML結(jié)束邊界標識（必須寫，否則文件格式不完整）
            writer.write("--boundary--");
            writer.flush();
        }catch (IOException e){
            log.error("保存MHTML文件失?。? + filePath, e);
        }
    }

邏輯調(diào)用：

通過url和cookie免密獲取html字符串
獲取html中的圖片、CSS、JS轉(zhuǎn)成base64的字符串，因為.mhtml文件中超鏈接類型的樣式無法渲染
刪除html中不需要的布局和內(nèi)容
使用2. 中獲取的圖片、CSS、JS轉(zhuǎn)成base64的字符串替換html字符串中的超鏈接
保存為.mhtml文件

                    String html = WikiUtils.getConfluencePageHtml(link, cookie);
                    if (html.isEmpty()){
                        log.error("獲取html頁面失敗");
                        return;
                    }
                    Map<String, String> htmlMap = Html2MHTCompiler.parseHtmlPage(cookie, html, properties.baseURL);
                    String tittle = Html2MHTCompiler.parseTittle(html);
                    String html2 = Html2MHTCompiler.removeUnwantedElements(html);
                    String parseHtml = Html2MHTCompiler.embedResources(html2, htmlMap);
                    Html2MHTCompiler.saveAsMhtml(parseHtml, currentDir+File.separator + tittle + ".mhtml");

到此這篇關(guān)于Java實現(xiàn)Html保存為.mhtml文件的代碼邏輯的文章就介紹到這了,更多相關(guān)java html保存為.mhtml文件內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: