Word/Excel/PDF文件转换成HTML整理

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：

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：

#----- 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

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