pdf 转html java_java将Word/Excel/PDF文件转换成HTML整理

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：

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HTML11     *@paramdocfile WORD文件全路径12     *@paramhtmlfile 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word17        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HTML44     *@paramxlsfile EXCEL文件全路径45     *@paramhtmlfile 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word50        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

}  

76

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

2、下载中文支持包

3、下载pdftohtml支持包

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

 

#----- 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

 

@echo off   

set folderPath=%1  

set filePath=%2  

cd /d %folderPath%   

pdftohtml -enc GBK %filePath%   

exit7) 创建类

JAVA代码

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

 

public static void main(String[] args)   

{   

    ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");   

}