Word/Excel/PDF文件转换成HTML整理

引自http://marker.iteye.com/blog/333676

 

项目开发过程中，需求涉及到了各种文档转换为HTML或者网页易显示格式，现在将实现方式整理如下：
一、使用Jacob转换Word,Excel为HTML

“JACOB一个Java-COM中间件.通过这个组件你可以在Java应用程序中调用COM组件和Win32 libraries。”

首先下载Jacob包，JDK1.5以上需要使用Jacob1.9版本（JDK1.6尚未测试），与先前的Jacob1.7差别不大

1、将压缩包解压后，Jacob.jar添加到Libraries中；

2、将Jacob.dll放至“WINDOWS\SYSTEM32”下面。

需要注意的是：
【使用IDE启动Web服务器时，系统读取不到Jacob.dll，例如用MyEclipse启动Tomcat，就需要将dll文件copy到MyEclipse安装目录的“jre\bin”下面。
一般系统没有加载到Jacob.dll文件时，报错信息为：“java.lang.UnsatisfiedLinkError: no jacob in java.library.path”】

新建类：

Java代码  

1. public class JacobUtil   
2. {   
3.     public static final int WORD_HTML = 8;   
4.   
5.     public static final int WORD_TXT = 7;   
6.   
7.     public static final int EXCEL_HTML = 44;   
8.   
9.     /**  
10.      * WORD转HTML  
11.      * @param docfile WORD文件全路径  
12.      * @param htmlfile 转换后HTML存放路径  
13.      */  
14.     public static void wordToHtml(String docfile, String htmlfile)   
15.     {   
16.         ActiveXComponent app = new ActiveXComponent("Word.Application"); // 启动word   
17.         try  
18.         {   
19.             app.setProperty("Visible", new Variant(false));   
20.             Dispatch docs = app.getProperty("Documents").toDispatch();   
21.             Dispatch doc = Dispatch.invoke(   
22.                     docs,   
23.                     "Open",   
24.                     Dispatch.Method,   
25.                     new Object[] { docfile, new Variant(false),   
26.                             new Variant(true) }, new int[1]).toDispatch();   
27.             Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[] {   
28.                     htmlfile, new Variant(WORD_HTML) }, new int[1]);   
29.             Variant f = new Variant(false);   
30.             Dispatch.call(doc, "Close", f);   
31.         }   
32.         catch (Exception e)   
33.         {   
34.             e.printStackTrace();   
35.         }   
36.         finally  
37.         {   
38.             app.invoke("Quit", new Variant[] {});   
39.         }   
40.     }   
41.   
42.     /**  
43.      * EXCEL转HTML  
44.      * @param xlsfile EXCEL文件全路径  
45.      * @param htmlfile 转换后HTML存放路径  
46.      */  
47.     public static void excelToHtml(String xlsfile, String htmlfile)   
48.     {   
49.         ActiveXComponent app = new ActiveXComponent("Excel.Application"); // 启动word   
50.         try  
51.         {   
52.             app.setProperty("Visible", new Variant(false));   
53.             Dispatch excels = app.getProperty("Workbooks").toDispatch();   
54.             Dispatch excel = Dispatch.invoke(   
55.                     excels,   
56.                     "Open",   
57.                     Dispatch.Method,   
58.                     new Object[] { xlsfile, new Variant(false),   
59.                             new Variant(true) }, new int[1]).toDispatch();   
60.             Dispatch.invoke(excel, "SaveAs", Dispatch.Method, new Object[] {   
61.                     htmlfile, new Variant(EXCEL_HTML) }, new int[1]);   
62.             Variant f = new Variant(false);   
63.             Dispatch.call(excel, "Close", f);   
64.         }   
65.         catch (Exception e)   
66.         {   
67.             e.printStackTrace();   
68.         }   
69.         finally  
70.         {   
71.             app.invoke("Quit", new Variant[] {});   
72.         }   
73.     }   
74.   
75. }  

public class JacobUtil
{
	public static final int WORD_HTML = 8;

	public static final int WORD_TXT = 7;

	public static final int EXCEL_HTML = 44;

	/**
	 * WORD转HTML
	 * @param docfile WORD文件全路径
	 * @param htmlfile 转换后HTML存放路径
	 */
	public static void wordToHtml(String docfile, String htmlfile)
	{
		ActiveXComponent app = new ActiveXComponent("Word.Application"); // 启动word
		try
		{
			app.setProperty("Visible", new Variant(false));
			Dispatch docs = app.getProperty("Documents").toDispatch();
			Dispatch doc = Dispatch.invoke(
					docs,
					"Open",
					Dispatch.Method,
					new Object[] { docfile, new Variant(false),
							new Variant(true) }, new int[1]).toDispatch();
			Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[] {
					htmlfile, new Variant(WORD_HTML) }, new int[1]);
			Variant f = new Variant(false);
			Dispatch.call(doc, "Close", f);
		}
		catch (Exception e)
		{
			e.printStackTrace();
		}
		finally
		{
			app.invoke("Quit", new Variant[] {});
		}
	}

	/**
	 * EXCEL转HTML
	 * @param xlsfile EXCEL文件全路径
	 * @param htmlfile 转换后HTML存放路径
	 */
	public static void excelToHtml(String xlsfile, String htmlfile)
	{
		ActiveXComponent app = new ActiveXComponent("Excel.Application"); // 启动word
		try
		{
			app.setProperty("Visible", new Variant(false));
			Dispatch excels = app.getProperty("Workbooks").toDispatch();
			Dispatch excel = Dispatch.invoke(
					excels,
					"Open",
					Dispatch.Method,
					new Object[] { xlsfile, new Variant(false),
							new Variant(true) }, new int[1]).toDispatch();
			Dispatch.invoke(excel, "SaveAs", Dispatch.Method, new Object[] {
					htmlfile, new Variant(EXCEL_HTML) }, new int[1]);
			Variant f = new Variant(false);
			Dispatch.call(excel, "Close", f);
		}
		catch (Exception e)
		{
			e.printStackTrace();
		}
		finally
		{
			app.invoke("Quit", new Variant[] {});
		}
	}

}

当时我在找转换控件时，发现网易也转载了一偏关于Jacob使用帮助，但其中出现了比较严重的错误：String htmlfile = "C:\\AA";

只指定到了文件夹一级，正确写法是String htmlfile = "C:\\AA\\xxx.html";

 

到此WORD/EXCEL转换HTML就已经差不多了，相信大家应该很清楚了:)

 

二、使用XPDF将PDF转换为HTML

 

1、下载xpdf最新版本，地址：http://www.foolabs.com/xpdf/download.html

我下载的是xpdf-3.02pl2-win32.zip

 

2、下载中文支持包

我下载的是xpdf-chinese-simplified.tar.gz

 

3、下载pdftohtml支持包

地址：http://sourceforge.net/projects/pdftohtml/

我下载的是：pdftohtml-0.39-win32.tar.gz

 

4、解压调试

1) 先将xpdf-3.02pl2-win32.zip解压，解压后的内容可根据需要进行删减，如果只需要转换为txt格式，其他的exe文件可以删除，只保留pdftotext.exe，以此类推；

2) 然后将xpdf-chinese-simplified.tar.gz解压到刚才xpdf-3.02pl2-win32.zip的解压目录；

3) 将pdftohtml-0.39-win32.tar.gz解压，pdftohtml.exe解压到xpdf-3.02pl2-win32.zip的解压目录；

4) 目录结构：

 +---[X:\xpdf]

           |-------各种转换用到的exe文件

           |

           |-------xpdfrc

           |

           +------[X:\xpdf\xpdf-chinese-simplified]

                                      |

                                      |

                                      +-------很多转换时需要用到的字符文件

 

xpdfrc：此文件是用来声明转换字符集对应路径的文件

 

5) 修改xpdfrc文件(文件原名为sample-xpdfrc)

修改文件内容为：

 

Txt代码  

1. #----- begin Chinese Simplified support package   
2. cidToUnicode    Adobe-GB1       xpdf-chinese-simplified\Adobe-GB1.cidToUnicode   
3. unicodeMap      ISO-2022-CN     xpdf-chinese-simplified\ISO-2022-CN.unicodeMap   
4. unicodeMap      EUC-CN          xpdf-chinese-simplified\EUC-CN.unicodeMap   
5. unicodeMap  GBK    xpdf-chinese-simplified\GBK.unicodeMap   
6. cMapDir         Adobe-GB1       xpdf-chinese-simplified\CMap   
7. toUnicodeDir                    xpdf-chinese-simplified\CMap   
8. fontDir  C:\WINDOWS\Fonts   
9. displayCIDFontTT Adobe-GB1 C:\WINDOWS\Fonts\simhei.ttf   
10. #----- end Chinese Simplified support package  

#----- begin Chinese Simplified support package
cidToUnicode    Adobe-GB1       xpdf-chinese-simplified\Adobe-GB1.cidToUnicode
unicodeMap      ISO-2022-CN     xpdf-chinese-simplified\ISO-2022-CN.unicodeMap
unicodeMap      EUC-CN          xpdf-chinese-simplified\EUC-CN.unicodeMap
unicodeMap  GBK    xpdf-chinese-simplified\GBK.unicodeMap
cMapDir         Adobe-GB1       xpdf-chinese-simplified\CMap
toUnicodeDir                    xpdf-chinese-simplified\CMap
fontDir  C:\WINDOWS\Fonts
displayCIDFontTT Adobe-GB1 C:\WINDOWS\Fonts\simhei.ttf
#----- end Chinese Simplified support package

 

6) 创建bat文件pdftohtml.bat（放置的路径不能包含空格）

内容为：

 

Txt代码  

1. @echo off   
2. set folderPath=%1  
3. set filePath=%2  
4. cd /d %folderPath%   
5. pdftohtml -enc GBK %filePath%   
6. exit  

@echo off
set folderPath=%1
set filePath=%2
cd /d %folderPath%
pdftohtml -enc GBK %filePath%
exit

 

7) 创建类

 

Java代码  

1. public class ConvertPdf   
2. {   
3.     private static String INPUT_PATH;   
4.     private static String PROJECT_PATH;   
5.        
6.     public static void convertToHtml(String file, String project)   
7.     {   
8.         INPUT_PATH = file;   
9.         PROJECT_PATH = project;   
10.         if(checkContentType()==0)   
11.         {   
12.             toHtml();   
13.         }   
14.     }   
15.        
16.     private static int checkContentType()   
17.     {   
18.         String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())   
19.                 .toLowerCase();   
20.         if (type.equals("pdf"))   
21.             return 0;   
22.         else  
23.             return 9;   
24.     }   
25.        
26.     private static void toHtml()   
27.     {   
28.         if(new File(INPUT_PATH).isFile())   
29.         {   
30.             try  
31.             {   
32.                 String cmd = "cmd /c start X:\\pdftohtml.bat \"" + PROJECT_PATH + "\" \"" + INPUT_PATH + "\"";   
33.                 Runtime.getRuntime().exec(cmd);   
34.             }   
35.             catch (IOException e)   
36.             {   
37.                 e.printStackTrace();   
38.             }   
39.         }   
40.     }   
41.        
42. }  

public class ConvertPdf
{
	private static String INPUT_PATH;
	private static String PROJECT_PATH;
	
	public static void convertToHtml(String file, String project)
	{
		INPUT_PATH = file;
		PROJECT_PATH = project;
		if(checkContentType()==0)
		{
			toHtml();
		}
	}
	
	private static int checkContentType()
	{
		String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())
				.toLowerCase();
		if (type.equals("pdf"))
			return 0;
		else
			return 9;
	}
	
	private static void toHtml()
	{
		if(new File(INPUT_PATH).isFile())
		{
			try
			{
				String cmd = "cmd /c start X:\\pdftohtml.bat \"" + PROJECT_PATH + "\" \"" + INPUT_PATH + "\"";
				Runtime.getRuntime().exec(cmd);
			}
			catch (IOException e)
			{
				e.printStackTrace();
			}
		}
	}
	
}

String cmd = "....";此处代码是调用创建的bat文件进行转换 

 

8) 测试转换

 

 

Java代码  

1. public static void main(String[] args)   
2. {   
3.     ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");   
4. }  

public static void main(String[] args)
{
	ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");
}

 

 

以上就是整理的内容，后续还会添加视频转换为FLV格式，如果需要的话:)

说的不是很详细，碰到问题的朋友可以自己努力解决一下:)