Сценарий состоит в том, чтобы извлечь главу и ее содержимое из файла docx и преобразовать ее в отдельную главу в формате pdf.
Заголовок главы будет выделен жирным шрифтом и курсивом в зависимости от того, что мы будем извлечь содержимое.
Я использовал Apache tika для преобразования docx в html и извлечения содержимого. Используя pdfbox, я преобразовал HTML в PDF, но в некоторых случаях Apache tika неправильно отображает маркеры и дизайн таблиц. Также я использовал doc4j для преобразования docx в html, но специальные символы не извлекаются должным образом.
Итак, для достижения описанного выше сценария мы можем улучшить Apache tika или любые другие возможные способы извлечь содержимое, не затрагивая стиль?
Пытался использовать Apache poi — не удалось отобразить точные стили,
Apache tika — маркеры и таблицы из файла docx имеют неправильный формат,
Doc4j – специальные символы отображаются неправильно
Подробнее здесь: https://stackoverflow.com/questions/784 ... yle-format
