转个 word 很难吗?
对于任何一个在线富文本写作产品,导出功能是必不可少的,其中导出 word 是其中最常见的选项,但是很多产品导出的 word,比如说 Jira,格式就有不同程度的失真.
仔细分析下来,解决这个思路的主要有两种:
- 硬转:使用 OpenXml 的 SDK,逐一匹配 html 标签和样式 css,相当于用 OpenXml 实现了一个 html+css 的渲染层。
- 偷懒:想办法把 html+css 的内容当成 word 的一部分,相当于用 web 视图打开。
当时,我花了一定的时间,在两个方向上分别做了调研。
硬转的思路,直觉上工作量就极大,而且很容易出 Bug,毕竟那么多组合情况需要考虑。值得参考的项目是 html2openxml,1W 多行只能实现 html 的转换,还不包括 css。
不是没想过,限制输出 html 的排版,比如用固定的 id
代表固定的部分,css 样式也只支持特定的几种,但后来讨论下来,觉得这种方法,需要前后端确定好规则,而在当时快速迭代的时期,这无疑会增加开发成本。
而偷懒这条路,能够搜索到项目,都是借用了 word 中 altchunks 的特性,比如:html-docx-js、html2docx。
问题也很明显,
- 不支持
float
之类的样式,对图片的支持也需要自己写代码转 base64,然后嵌进标签里。这些虽然麻烦些,但是还是可以 tweak。 - 最麻烦的是,这种格式的 word,兼容性很差,在微信中、mac 上打不开。
于是,我一度卡在这里很久,直到我发现……
原来,word 才是转 word 的最佳工具
转机来的也很突然,就是我发现用 word 打开一个带 html+css 的文件后,再另存成 word,不仅格式得到了保留,图片也在,而且兼容性也还不错!真是
踏破铁鞋无觅处,得来全不费工夫。
问题来了,怎么把这一步程序化呢?这下终于可以用上过去 .net 的开发经验了,C# 是可以通过 com 组件的方式操作 word,但前提是运行程序的机器上必须装 word 才行。
核心代码,也是非常的简单:
首先引用 Microsoft.Office.Interop.Word
,调用的代码如下:
var word = new Application {Visible = false};
var doc = word.Documents.Open(htmlFilePath, Format: WdOpenFormat.wdOpenFormatWebPages,
ReadOnly: false);
doc.SaveAs2000(wordFilePath, WdSaveFormat.wdFormatDocumentDefault,
ReadOnlyRecommended: false);
doc.Close();
word.quit()
是不是很简单呢?而这里唯一还需要处理的就是图片,如果不做处理,图片还是以链接的方式存储的。一方面,每次打开的时候需要重复下载,好处是 word 文件比较小,但缺点是受限于网速,可能会出现图片加载不出来的情况;另一方面时,如果图片没有指定宽度和高度,当图片的尺寸大于文档的尺寸时,显示的效果就很差。
估化的思路很简单,即强行把图片的尺寸拉伸到一页可以显示下,同时将图片链接转成内嵌的图片。
foreach (InlineShape s in doc.InlineShapes)
{
var inlineShape = s;
if (inlineShape.Type != WdInlineShapeType.wdInlineShapePicture &&
inlineShape.Type != WdInlineShapeType.wdInlineShapeLinkedPicture)
{
continue;
}
if (inlineShape.Type == WdInlineShapeType.wdInlineShapeLinkedPicture)
{
inlineShape.LinkFormat.SavePictureWithDocument = true;
inlineShape.LinkFormat.BreakLink();
}
if (inlineShape.Width > this._documentWidth)
{
inlineShape.LockAspectRatio = MsoTriState.msoTrue;
inlineShape.Width = this._documentWidth;
}
if (inlineShape.Height > this._documentHeight)
{
inlineShape.LockAspectRatio = MsoTriState.msoTrue;
inlineShape.Height = this._documentHeight;
}
}
到此,核心的转换代码就已经完成。(需要提醒各位看官的是,这种方法是不支持 float 和 flex 的 css 样式的。)
剩下的工作
请注意:上述代码是基于.net framework 写的,运行的机器上还必须有 word。
如果要对外提供服务的话,考虑到跨语言跨平台,最好的方式即提供 http 接口。而这对一个不熟悉.net 的人,那要学习的东西还是不少的。楼主我就好人做到底,在上述的核心代码上用 WCF 的 webHttpBinding 实现了一个的 http 服务,同时使用 log4net 实现了日志功能。
最终的程序的 workflow 是
- 用户发送 html+css 内容到 http 服务
- 先把 html+css 存成文件
- 读取 html 文件,然后另存为 word 文件
- 返回下载链接
- 使用 nginx 映射目录中的文件,实现下载功能
所有代码开源在 HtmlToWord,如果它对你有用,欢迎点个 star。