office 转Html

最新推荐文章于 2023-03-16 15:18:29 发布

森_

最新推荐文章于 2023-03-16 15:18:29 发布

阅读量402

点赞数

分类专栏： Java

本文链接：https://blog.csdn.net/qq_33075157/article/details/53393876

版权

Java 专栏收录该内容

25 篇文章 0 订阅

订阅专栏

    package com.stars.windpowersystem.util;  
      
    import java.io.BufferedReader;  
    import java.io.File;  
    import java.io.FileInputStream;  
    import java.io.FileNotFoundException;  
    import java.io.IOException;  
    import java.io.InputStreamReader;  
    import java.net.ConnectException;  
    import java.util.Date;  
    import java.util.regex.Matcher;  
    import java.util.regex.Pattern;  
      
    import com.artofsolving.jodconverter.DocumentConverter;  
    import com.artofsolving.jodconverter.openoffice.connection.OpenOfficeConnection;  
    import com.artofsolving.jodconverter.openoffice.connection.SocketOpenOfficeConnection;  
    import com.artofsolving.jodconverter.openoffice.converter.OpenOfficeDocumentConverter;  
      
    /** 
     * 描述: TODO 将Word文档转换成html字符串的工具类 
     *  
     * @类名称: WordToHtml 
     * @作者： 宋延军 
     * @邮箱： songyanjun_stars@126.com 
     * @日期： Feb 9, 2012 10:07:21 AM 
     */  
    public class WordToHtml {  
      
        /** 
         * 描述: TODO 调用测试 
         * @标题: main 
         * @设定: @param args 
         * @返回类型: void 
         */  
        public static void main(String[] args) {  
              
            Long time1 = System.currentTimeMillis();  
            Long time2 = System.currentTimeMillis();  
              
            System.out.println(  
                    toHtmlString(new File("C:/Users/Administrator/Desktop/风电可靠性信息管理系统/01_需求分析文档/风电可靠性管理信息系统需求分析文档V5.0（最新）.doc"), "C:/Users/Administrator/Desktop/风电可靠性信息管理系统/01_需求分析文档/tempDir"));  
              
            System.out.println("执行效率为："+(time2-time1));  
        }  
      
        /** 
         * 将word文档转换成html文档 
         *  
         * @param docFile   需要转换的word文档 
         * @param filepath  转换之后html的存放路径 
         * @return 转换之后的html文件 
         */  
        public static File convert(File docFile, String filepath) {  
            // 创建保存html的文件  
            File htmlFile = new File(filepath + "/" + new Date().getTime()+ ".html");  
            // 创建Openoffice连接  
            OpenOfficeConnection con = new SocketOpenOfficeConnection(8100);  
            try {  
                // 连接  
                con.connect();  
            } catch (ConnectException e) {  
                System.out.println("获取OpenOffice连接失败...");  
                e.printStackTrace();  
            }  
            // 创建转换器  
            DocumentConverter converter = new OpenOfficeDocumentConverter(con);  
            // 转换文档问html  
            converter.convert(docFile, htmlFile);  
            // 关闭openoffice连接  
            con.disconnect();  
            return htmlFile;  
        }  
      
        /** 
         * 将word转换成html文件，并且获取html文件代码。 
         *  
         * @param docFile  需要转换的文档 
         * @param filepath 文档中图片的保存位置 
         * @return 转换成功的html代码 
         */  
        public static String toHtmlString(File docFile, String filepath) {  
            // 转换word文档  
            File htmlFile = convert(docFile, filepath);  
            // 获取html文件流  
            StringBuffer htmlSb = new StringBuffer();  
            try {  
                BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(htmlFile)));  
                while (br.ready()) {  
                    htmlSb.append(br.readLine());  
                }  
                br.close();  
                // 删除临时文件  
                htmlFile.delete();  
            } catch (FileNotFoundException e) {  
                e.printStackTrace();  
            } catch (IOException e) {  
                e.printStackTrace();  
            }  
            // HTML文件字符串  
            String htmlStr = htmlSb.toString();  
            // 返回经过清洁的html文本  
            return clearFormat(htmlStr, filepath);  
        }  
      
        /** 
         * 清除一些不需要的html标记 
         *  
         * @param htmlStr 带有复杂html标记的html语句 
         * @return  去除了不需要html标记的语句 
         */  
        protected static String clearFormat(String htmlStr, String docImgPath) {  
            // 获取body内容的正则  
            String bodyReg = "<BODY .*</BODY>";  
            Pattern bodyPattern = Pattern.compile(bodyReg);  
            Matcher bodyMatcher = bodyPattern.matcher(htmlStr);  
            if (bodyMatcher.find()) {  
                // 获取BODY内容，并转化BODY标签为DIV  
                htmlStr = bodyMatcher.group().replaceFirst("<BODY", "<DIV").replaceAll("</BODY>", "</DIV>");  
            }  
            // 调整图片地址  
            htmlStr = htmlStr.replaceAll("<IMG SRC=\"", "<IMG SRC=\"" + docImgPath + "/");  
            // 把<P></P>转换成</div></div>保留样式  
            // content = content.replaceAll("(<P)([^>]*>.*?)(<\\/P>)",  
            // "<div$2</div>");  
            // 把<P></P>转换成</div></div>并删除样式  
            htmlStr = htmlStr.replaceAll("(<P)([^>]*)(>.*?)(<\\/P>)", "<p$3</p>");  
            // 删除不需要的标签  
            htmlStr = htmlStr  
                    .replaceAll("<[/]?(font|FONT|span|SPAN|xml|XML|del|DEL|ins|INS|meta|META|[ovwxpOVWXP]:\\w+)[^>]*?>", "");  
            // 删除不需要的属性  
            htmlStr = htmlStr  
                    .replaceAll("<([^>]*)(?:lang|LANG|class|CLASS|style|STYLE|size|SIZE|face|FACE|[ovwxpOVWXP]:\\w+)=(?:'[^']*'|\"\"[^\"\"]*\"\"|[^>]+)([^>]*)>", "<$1$2>");  
            return htmlStr;  
        }  
    }

森_

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
office 转Html

package com.stars.windpowersystem.util; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; i
复制链接

扫一扫

专栏目录