php预览doc⽂件格式,word⽂档转html格式在线预览，使⽤了
phpoffice,p。。。
最近客户要做⼀个word,excel ⽂件在线预览功能，以下是实现此功能的全过程。
由于我们⽤的是PHP开发项⽬，最开始想到的是⽤PHPoffice⾥的phpword来进⾏转换，以下是关键代码。
$phpWord = \PhpOffice\PhpWord\IOFactory::load('test.doc');
$xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");
$xmlWriter->save('test.html);
⽤这种⽅法转是可以转，但是转出来的html⽂件相对原⽂件，丢失了很多字，如果说样式和原⽂不⼀样还可以忍受，但是内容丢失，就不太好了，⽽且对DOC格式⼜⽆法处理，所以这种⽅法，我最终选择了放弃。
然后，我就想⽤python来解决这个问题，查到了python有个pydocx库可以处理word⽂档，于是我就安装了⼀下。
pip install pydocx
这个库⽤起来也很简单，主要代码如下：
from pydocx import PyDocX
html = _html("test2.doc")
f = open("test.html", 'w', encoding="utf-8")
f.write(html)
f.close()
转换效果也还可以，除了表格样式和原⽂有点不⼀样以外，内容倒是没丢失，但是有⼀个问题，这个库是转换docx的，对doc转换不了，我们客户还上传挺多doc格式的⽂件的，于是我只好另外想办法。
查资料发现java有个poi库可以⽤来对word⽂件进⾏转换， Apache POI是Apache软件基⾦会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。我想试⼀下，查资料半天，就开始写了，先Maven引⼊依赖：
org.apache.poi
poi
html代码转链接4.1.2
org.apache.poi
poi-ooxml
4.1.2
org.apache.poi
poi-scratchpad
4.1.2
fr.opensagres.xdocreport
fr.opensagres.verter.xhtml
2.0.2
cn.hutoolhutool-all5.4.3
以下是引⽤别⼈的可⽤代码：
import img.ImgUtil;
import fr.opensagres.verter.xhtml.Base64EmbedImgManager; import fr.opensagres.verter.xhtml.XHTMLConverter;
import fr.opensagres.verter.xhtml.XHTMLOptions;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.verter.WordToHtmlConverter;
import org.apache.poi.openxml4j.util.ZipSecureFile;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.w3c.dom.Document;
l.parsers.DocumentBuilderFactory;
l.parsers.ParserConfigurationException;
l.transform.OutputKeys;
l.transform.Transformer;
l.transform.TransformerException;
l.transform.TransformerFactory;
l.transform.dom.DOMSource;
l.transform.stream.StreamResult;
import java.awt.image.BufferedImage;
import java.io.*;
/**
* office转换⼯具测试
*
*/
public class OfficeConvertUtil {
/**
* 将word2003转换为html⽂件 2017-2-27
*
* @param wordPath word⽂件路径
* @param wordName word⽂件名称⽆后缀
* @param suffix word⽂件后缀
* @throws IOException
* @throws TransformerException
* @throws ParserConfigurationException
*/
public static String Word2003ToHtml(String wordPath, String wordName,
String suffix) throws IOException, TransformerException,
ParserConfigurationException {
String htmlPath = wordPath + File.separator + "html"
+ File.separator;
String htmlName = wordName + ".html";
final String imagePath = htmlPath + "image" + File.separator;
// 判断html⽂件是否存在，每次重新⽣成
File htmlFile = new File(htmlPath + htmlName);
// if (ists()) {
// AbsolutePath();
// }
// 原word⽂档
final String file = wordPath + File.separator + wordName + suffix;
InputStream input = new FileInputStream(new File(file));
HWPFDocument wordDocument = new HWPFDocument(input);
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(
.newDocument());
wordToHtmlConverter.setPicturesManager((content, pictureType, suggestedName, widthInches, heightInches) -> { BufferedImage bufferedImage = Image(content);
String base64Img = Base64(bufferedImage, Extension());
// 带图⽚的word，则将图⽚转为base64编码，保存在⼀个页⾯中
StringBuilder sb = (new StringBuilder(base64Img.length() +
"data:;base64,".length()).append("data:;base64,").append(base64Img));
String();
});
// 解析word⽂档
wordToHtmlConverter.processDocument(wordDocument);
Document htmlDocument = Document();
// ⽣成html⽂件上级⽂件夹
File folder = new File(htmlPath);
if (!ists()) {
folder.mkdirs();
}
// ⽣成html⽂件地址
OutputStream outStream = new FileOutputStream(htmlFile);
DOMSource domSource = new DOMSource(htmlDocument);
StreamResult streamResult = new StreamResult(outStream);
TransformerFactory factory = wInstance();
Transformer serializer = wTransformer();
serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
serializer.setOutputProperty(OutputKeys.INDENT, "yes");
serializer.setOutputProperty(OutputKeys.METHOD, "html");
outStream.close();
AbsolutePath();
}
/**
* 2007版本word转换成html 2017-2-27
*
* @param wordPath word⽂件路径
* @param wordName word⽂件名称⽆后缀
* @param suffix word⽂件后缀
* @return
* @throws IOException
*/
public static String Word2007ToHtml(String wordPath, String wordName, String suffix) throws IOException {
ZipSecureFile.setMinInflateRatio(-1.0d);
String htmlPath = wordPath + File.separator + "html"
+ File.separator;
String htmlName = wordName + ".html";
String imagePath = htmlPath + "image" + File.separator;
// 判断html⽂件是否存在
File htmlFile = new File(htmlPath + htmlName);
// if (ists()) {
// AbsolutePath();
// }
// word⽂件
File wordFile = new File(wordPath + File.separator + wordName + suffix);
// 1) 加载word⽂档⽣成 XWPFDocument对象
InputStream in = new FileInputStream(wordFile);
XWPFDocument document = new XWPFDocument(in);
// 2) 解析 XHTML配置 (这⾥设置IURIResolver来设置图⽚存放的⽬录)
File imgFolder = new File(imagePath);
/
/ 带图⽚的word，则将图⽚转为base64编码，保存在⼀个页⾯中
XHTMLOptions options = ate().indent(4).setImageManager(new Base64EmbedImgManager());
// 3) 将 XWPFDocument转换成XHTML
// ⽣成html⽂件上级⽂件夹
File folder = new File(htmlPath);
if (!ists()) {
folder.mkdirs();
}
OutputStream out = new FileOutputStream(htmlFile);
AbsolutePath();
}
public static void main(String[] args) throws Exception {
System.out.println(Word2003ToHtml("D:\\tmp", "test", ".doc"));
System.out.println(Word2007ToHtml("D:\\tmp", "test2", ".docx"));
}
}
⽤java 倒是转换doc格式转的挺好的，但是转换docx格式的时候，样式全乱了，我查了半天POI的⽂档，⽹上也没有哪位⼤佬来解决这个样式乱的问题，于是我想⽤python来转docx ,java来转doc，但是⼜觉得太⿇烦。
在查了半天资料以后，我最终的解决办法如下。
还是回到了⽤php处理，但是不是⽤phpoffice来处理，⽽是⽤unocov进⾏转换，先装libreoffice
yum install libreoffice
然后装unocov
yum install unoconv
⽤以下命令就可以转换了
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论