使用 libreoffice 插件将word文档 doc转html

近期有个接到个项目，要将word文档批量导入新闻，便开始研究怎么将word转成html，查阅资料，发现有几种实现方式

方法一，phpword

通过composer require phpoffice/phpword 将phpword插件安装下来

使用方法：

1. require 'vendor/autoload.php';

2. $phpWord = \PhpOffice\PhpWord\IOFactory::load('test.docx');

3. $xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");

4. $xmlWriter ->save('test.htm');

当我使用这个phpword插件的时候出现了好几个弊端：

问题1：该插件只支持以.docx结尾的word文档，不支持.doc文档

问题2：使用该插件有些html元素标签不能识别，如a标签，<ol></ol>,<li></li>等一些元素标签不能使用

因此便淘汰了该方法

方法二，com组件

这边我就不描述该方法了，因为我没有使用这个方法，因为只支持在windows下使用的，我用是要在linux上使用，该方法便淘汰了

方法三，libreoffice插件

后面通过查阅很多资料发现使用php将word转html的并不多，没有办法只能通过查阅资料，寻找通过linux下将word文档转html，便找到了该方法

libreoffice有window版本的，也有linux版本的，我这里就介绍linux下如何使用该插件

先执行命令行进行安装插件：

yum install libreoffice libreoffice-headless

当你装好插件后就可以直接通过命令行将word文档转html文件了。

soffice --headless --convert-to html:HTML test.docx

不过通过将word转成html后，发现word文档里面的字母变小了

通过查看生成的html源码，发现是Linux默认系统语言下是zh-CN，导致出现的不兼容，将系统语言改成en_US就没有问题了

也可以在生产html文件的命令行上加上LANG=en_US.UTF-8就行了

LANG=en_US.UTF-8 soffice --headless --convert-to html:HTML test.docx

以上就是使用libreoffice插件将word文档转成html文件的，不过有些兼容问题，但是这个插件支持doc和docx结尾的word文件，非常好用。

分享就到这了，如果有问题可以在底下留言，看到了会回复的。