将 Word 文件 转换 为 HTML 工具类
有一段时间 没有写 博客了, 过年 过的我太逍遥了,大门不出二门不迈 ,天天闷在家里大穿越火线,都TNN的快变成宅男了 ,哎,玩物丧志这句话谁说的 , 一点都不假,该收敛一下了 。
公司的项目 UI 设计阶段 基本完成了 , 现在步入写工具类的阶段了 ,公司领导说要 把帮助文档,规程文档 等等这类的文件 嵌入到程序中 , 可是帮助文档,规程文档这些东西全都是Word文档, 虽然 可以 把 这些 东西 通过工具 的 转换为 CHM 电子书的格式, 到时后一个连接 就可以 调用 XX帮助电子书文档。
可是有没有更简单的方法 ? 例如 把 Word 文档 直接 通过 Html 的 格式 以 网页的形式 直接 呈现给 用户 呢 , 当然 是可以的啦 ,本人 说实话 就是比较懒的那种。
因为那个 制作电子书的 那个 方案 我觉得 太麻烦了 ( 主要是懒得的去研究 那么麻烦 的东西)。
经过左思又考 觉得 还是 写一个 直接将 Wrod 转为Html 工具类的方式 呈现给用户 更加 的方便简介,不需要 花大量的 时间 浪费 到 电子书 制作 上。
于是我很快想到了 一个 解决方案, 那就是 我以前给公司做网站的项目中 写了一个 在线文档的模块, 里面有 通过将各种文档文件转换为 PDF 之后 在 通过 转换工具
转为SWF 文件 以 Flash 的方式 展现给用户(就是类似与百度文库,豆丁在线文档...), 于是 一个小小的、牛逼的、帅帅的工具产生了,哇~哈哈哈......
(自我感慨的YY了一下,又白话了一堆),切入正题,我所做的操作步骤如下:
第一:下载必备工具OpenOffice.org 3.2 (zh-CN) Installation Files 使用此工具 主要是 使用 其内部服务。
如果想要 以工具形式 转换, 此8100服务必须 的开啦,要不 不能转换的啦。
第二:下载 jodconverter-2.2.2.zip 包, 该包中的 lib 包下的 jar 包 都是 为 转换准备的。
第三:下载了 不用是不对i地,默认 安装 OpenOffice.org 3.2 程序, 有的个别 杀毒软件 回报一些 警告型阻止 提示 , 直接 给 添加 到信任服务即可。
第四:安装完毕之后呢, 当然 是要 开启 服务了, 安装 OpenOffice.org 3.2 的 目的 就是 为了 使用 其中的 8100 服务地,
打开 运行文本框中 输入 cmd 进入 命令窗口, 进入到 你的 默认安装路径
【提示一下,一般都会在C:\Program Files\OpenOffice.org 3\program这个路径下,
但是 64位系统中会在 C:\Program Files(x86)\OpenOffice.org 3\program 的这个路径下 ,
其区别 就是 多了一个 (x86),我自己用的 是 64位的Win7系统,后来发现安装好多软件
都不兼容,郁闷的不得了,现在用的是公司配了 32位的Win7系统。】
依次使用如下两条命令即可:
命令1:cd C:\Program Files\OpenOffice.org 3\program
命令2:soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard
执行玩 这两条命令之后 , 8100 服务就会 被打开了 , 你也可以 使用 netstat -an 这个 命令 查看 8100 端口 是否 真的 被打开了。
打开 MyEclipse6.5 , 开发到现在 几乎 MyEclipse这些 版本 差不多 都用过了, 但是后期 还是 觉得 这个 6.5 比较好用,
8.5之后 机器 卡的的不行, 配置 好的机器还可以,配置 稍微 差点的 , 你跑起来 就是到有多么的杯具了。
呃~~~~~好似 又脱离正题了,我们继续哈.... 在其中建立一个公共类:名为WordToHtml.java 代码共享如下 :
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;
}
}
看哥哥共享的代码 ,不要不声不响的哦, 这样很不地道, 我辛辛苦苦的 分享 我的经验, 我容易吗我, 好的坏的,至少 也要评论一下吧,这样 才能 促进我的动力。微耕机 www.ylsnjx.com