利用POI将word转换成html实现在线阅读

利用POI将word转换成html实现在线阅读

一、分析

通过网上找资料，发现用java实现word在线阅读有以下的实现方式：

1	Word=>PDF(OpenOffice+JodConverter)=>SWF(pdf2swf)=>FlexPaper浏览
2	Word=>PDF(MSOffice+JACOB)=>SWF(pdf2swf)=>FlexPaper浏览
3	Word =>SWF (FlashPaper)=> FlexPaper浏览
4	Word=>SWF(print2flash)=> FlexPaper浏览
5	用第三方收费组件：PageOffice
6	1） 利用 POI把 Word2003转换成 html； 2） 利用OpenOffice+JodConverter将word2003转换成html

  前4种方式，目标都是一致的，就是都将word文档转换成flash文件，只是中间的实现不大一样。前两种方式比较麻烦，都是先转成PDF，再转成SWF，最后用FlexPaper浏览。两种比较快捷，可直接将源文件转为SWF，用FlexPaper浏览。第二种方式用到的jacob是微软的组件，在linux平台下基本是无望的了，第一个淘汰。由于FlashPaper不是开源工具，加之Win8系统不兼容(我现在用的系统)，所以就没采用第三种实现方式。Print2flash是开源工具，即使公司产品中用到也不会出现版权纠纷，遗憾的是没找到如何用程序控制该工具转换文件的命令。所以第3，4种方式也淘汰了。通过下载，预使用，发现第5种方式用PageOffice是最省时省力的，也能将word文档完美的展现，但是，要钱！！好吧，一提到钱，此种实现只能暂作废。

后面一开始是想用OpenOffice+JodConverter实现转swf的，后面在逛百度文库的时候，发现一个让我很好奇的东西。就是，百度文库里的文档基本上都用html进行展示了，也就是说，我们上传的word文档，百度对其做了html转换的处理，与页面的嵌合也相当的好。这让我想到，我们的项目中是否也可以用此方式实现word的在线预览呢。

        基于这个想法，我到谷歌找相关的资料，发现将word转html的开源工具没几个。其中，介绍得比较多的就是用POI进行转换，但是，由于POI对word的处理功能相当的弱，因此，开启了使用POI将wordàhtml的艰苦历程（后面发现网上有介绍用OpenOffice+JodConverter将word2003转换成html的方式，但是，我没有深究，有兴趣的同学可以去观望一下http://www.cnblogs.com/codeplus/archive/2011/10/22/2220952.html）：

二、实现

1.      POI介绍：

Apache POI 是用Java编写的免费开源的跨平台的 Java API，Apache POI提供API给Java程式对Microsoft Office格式档案读和写的功能。POI为“Poor Obfuscation Implementation”的首字母缩写，意为“可怜的模糊实现”。

Apache POI 是创建和维护操作各种符合Office Open XML（OOXML）标准和微软的OLE 2复合文档格式（OLE2）的Java API。用它可以使用Java读取和创建,修改MS Excel文件.而且,还可以使用Java读取和创建MS Word和MSPowerPoint文件。Apache POI 提供Java操作Excel解决方案（适用于Excel97-2008）。

基本结构：

HSSF －提供读写Microsoft Excel XLS格式档案的功能。

XSSF －提供读写Microsoft Excel OOXML XLSX格式档案的功能。

HWPF －提供读写Microsoft Word DOC格式档案的功能。

HSLF －提供读写Microsoft PowerPoint格式档案的功能。

HDGF －提供读Microsoft Visio格式档案的功能。

HPBF －提供读Microsoft Publisher格式档案的功能。

HSMF －提供读Microsoft Outlook格式档案的功能。

其实，POI比较拿手的是处理Excel表格，即上面的HSSF及XSSF，我们的很多项目，只要涉及报表的，基本上都有用到它吧。用对于HWPF即处理DOC的包，功能就没有那么健全了，且API也不完善。

2.      poi相关包及依赖包配置。

3.      处理流程图：

1）   主体流程：

 

2）   进行word文档解释转换子流程

3）   处理表格子流程（略）

4）   处理图片子流程（略）

4.      代码实现

package com;

import java.awt.image.BufferedImage;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.io.OutputStreamWriter;

import javax.imageio.ImageIO;

import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.model.PicturesTable;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.hwpf.usermodel.Table;
import org.apache.poi.hwpf.usermodel.TableCell;
import org.apache.poi.hwpf.usermodel.TableIterator;
import org.apache.poi.hwpf.usermodel.TableRow;
import org.apache.xmlbeans.impl.piccolo.io.FileFormatException;


/**
 * @Description: 利用poi将word简单的转换成html文件
 * @author 柯颖波
 * @date 2013-12-20 上午09:32:44
 * @version v1.0
 */
public class Word2Html {
	/**
	 * 回车符ASCII码
	 */
	private static final short ENTER_ASCII = 13;

	/**
	 * 空格符ASCII码
	 */
	private static final short SPACE_ASCII = 32;

	/**
	 * 水平制表符ASCII码
	 */
	private static final short TABULATION_ASCII = 9;

	private static String htmlText = "";
	private static String htmlTextTbl = "";
	private static int counter = 0;
	private static int beginPosi = 0;
	private static int endPosi = 0;
	private static int beginArray[];
	private static int endArray[];
	private static String htmlTextArray[];
	private static boolean tblExist = false;

	/**
	 * 项目路径
	 */
	private static String projectRealPath = "";
	/**
	 * 临时文件路径
	 */
	private static String tempPath = "/upfile/" + File.separator + "transferFile" + File.separator;
	/**
	 * word文档名称
	 */
	private static String wordName = "";

	public static void main(String argv[]) {
		try {
			wordToHtml("F:\\SVN\\BobUtil\\web\\", "2012年高考广东数学（文）试卷解析（精析word版）（学生版）.doc");
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

	/**
	 * 读取每个文字样式
	 * 
	 * @