Word/Excel/PDF文件转换成HTML整理

from [url=http://www.iteye.com/topic/333676]http://www.iteye.com/topic/333676[/url]
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:)