为什么会想起来将上传的word文档转换成html格式呢?设想,如果一个系统需要发布在页面的文章都是来自word文档,一般会执行下面的流程:使用word打开文档,Ctrl+A,进入发布文章页面,Ctrl+V。看起来也不麻烦,但是,如果文档中包含大量图片呢?尴尬的事是图片都需要重新上传吧?
如果可以将已经编写好的word文档上传到服务器就可以在相应页面进行展示,将会是一件非常惬意的事情,最起码信息发布人员会很开心。程序员可能就不会这么想了,囧。
将Word转Html的原理是这样的:
1、客户上传Word文档到服务器
2、服务器调用OpenOffice程序打开上传的Word文档
3、OpenOffice将Word文档另存为Html格式
4、Over
至此可见,这要求服务器端安装OpenOffice软件,其实也可以是MS Office,不过OpenOffice的优势是跨平台,你懂的。恩,说明一下,本文的测试基于 MS Win7 Ultimate X64 系统。
下面就是规规矩矩的实现。
3、泡杯热茶,等待下载。
4、安装OpenOffice,安装结束后,调用cmd,启动OpenOffice的一项服务:C:\Program Files (x86)\OpenOffice.org 3\program>soffice -headless -accept="socket,port=8100;urp;"
5、打开eclipse
6、喝杯热茶,等待eclipse打开。
7、新建eclipse项目,导入Jodconverter/lib 下得jar包。
8、Coding...
查看代码
package com.mzule.doc2html.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;
/*** 将Word文档转换成html字符串的工具类
*
*@authorMZULE
**/
public class Doc2Html {
public static void main(String[] args) {
System.out
.println(toHtmlString(new File("C:/test/test.doc"), "C:/test"));
}
/*** 将word文档转换成html文档
*
*@paramdocFile
* 需要转换的word文档
*@paramfilepath
* 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。
*
*@paramdocFile
* 需要转换的文档
*@paramfilepath
* 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
*
*@paramhtmlStr
* 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 = "
";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("
.replaceAll("", "