Java解析OFFICE（word,excel,powerpoint）以及PDF的实现⽅案。。。
Java解析OFFICE(word,excel,powerpoint)以及PDF的实现⽅案及开发中的点滴分享
在此，先分享下写此⽂前的经历与感受，我所有的感觉浓缩到⼀个字，那就是:"坑"，如果是两个字那就是"巨坑"=>因为这个需求⼀开始并不是这样⼦的，且听我漫漫道来：
⼀开始客户与我们商量的是将office和PDF上传，将此类⽂件解析成html格式，在APP端调⽤内置server直接以html"播放"
经历⼀个⽉~，两个⽉~，三个⽉~~~
到需求开发阶段，发现这是个坑。。。：按照需规的意思这个整体是当做⼀个功能来做的，技术难度也就算了，⽽且按照估算的⼯时也很难做成需规所需要的样⼦(缺陷太多！)
然后⼀周~，⼀周~，⼜⼀周~~~
各种⽅案下来将需求做成能⽤的样⼦，然后需求确认时客户说：“我们没有要求你们能解析这些⽂档，我们只要求你们当做⼀个源⽂件上传，在APP端点击直接能选择调⽤第三⽅应⽤打开就⾏了，⽽且⼀开始我们的需求就是这样的。”
/**听完，顿时泪流满⾯( _ )，如果业务⼀开始就确认这样做，何⾄于浪费如此多的时间，花费如此多的精⼒绕⽼⼤⼀圈。。。*/java修改html文件
需求绕了⼀圈⼜绕回来了，作为经历过的⼈，现在总结下这需求⾥⾯⽆尽的坑：
A>开源社区有很多Demo，这些Demo有很多缺陷，⽐如office⾥⾯的艺术字、图⽚、公式、颜⾊样式、视频和⾳频不能解析
B>能解析的对象，解析出来的效果不是很好，⽐如word和ppt⾃⾝的排版乱了,excel单元格⾥⾯的⾃定义格式全变成数字了~等等
C>开源社区的资料并不是很全，导致的结果是不同的⽂档类型需要⽤不同的解析⽅式去解析，⽐如word⽤docx4j解析、excel⽤poi解析带来的代码量巨⼤
D>由于代码⾃⾝的解析效果不是很好，更改后的⽅案需要在上传之前将源⽂件处理成其他的形式，如pdf需要切成图⽚，ppt需要转换成视频或是图⽚，这样⼀来需求实现的⽅式就变成半⾃动了╥﹏╥...
E>word⽤docx4j解析⼀个很⼤的问题是解析的效率太低了，5MB以上的⽂件或者内容⽐较复杂的word⽂档解析⼗分耗时，解析效率太低，再⼀就是poi解析数据量⽐较⼤的Exel(⽐如>1000⾏)容易造成内存溢出，不好控制
F>⼯时太短，只有15天。。。，加班加点(⊙︿⊙) ，包⼯头，加⼯资ε=怒ε=怒ε=怒ε=怒ε=( o｀ω′)ノ
以上吐槽完了，该展⽰下最终成果了~
上4图从左⾄右依次是pdf、ppt、word、excel的解析html的效果，由于涉及开发协议上图1和图2部分地⽅有涂抹，且以上只是浏览器模拟⼿机显⽰，遂显⽰效果较为粗糙，在此⼗分抱歉~
下⾯介绍⼀下我的最终实现思路：
A>Word⽂档分两种格式(03版)doc和(07版)docx，由于doc属于即将淘汰的格式同时为⽅便使⽤docx4j⼀步到位的实现⽅式，故不考虑doc格式⽂档
B>同Word⼀样，excel也不考虑旧版格式的转换，⽅案是选⽤第三⽅Demo实现，涉及到具体的技术就是 poi.hssf
C>PowerPoint(ppt)由于内置对象⽐较多，为保证客户的使⽤体验，我的⽅案是将ppt直接导出成mp4或图⽚(需打zip包)上传，再⽤代码包装成html
D>对于pdf，同样没有很好的Demo实现成html，遂同ppt⼀样通过软件转换成图⽚的形式打包上传，再⽤代码包装成html
先展⽰下word解析的相关代码:
(代码⽚段⼀)
1public static void Word2Html() throws FileNotFoundException, Docx4JException{
2//需在log4j内配置docx4j的级别
3 WordprocessingMLPackage wmp = WordprocessingMLPackage.load(new File("C:\\Users\\funnyZpC\\Desktop\\Test\\word.docx"));
4 HTML(wmp, "C:\\Users\\funnyZpC\\Desktop\\result\\wordIMG", "wordIMG", new FileOutputStream(new File("C:\\Users\\funnyZpC\\Desktop\\result\\word.html")));
5 }
(代码⽚段⼆)
1public ProcessFileInfo processDOCX(File file,String uploadPath)throws Exception{
2 String Name().substring(Name().lastIndexOf("."));//获取⽂件名称
3 WordprocessingMLPackage wmp = WordprocessingMLPackage.load(file);//加载源⽂件
4 String basePath=String.format("%s%s%s", uploadPath,File.separator,fileName);//基址
5 FileUtils.forceMkdir(new File(basePath));//创建⽂件夹
6 String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,fileName,"ZIP");//最终⽣成⽂件的路径
7 HTML(wmp, String.format("%s%s%s", basePath,File.separator,fileName),fileName,new FileOutputStream(new File(String.format("%s%s%s", basePath,File.separator,"index.html"))));//解析
8 scormService.zip(basePath, zipFilePath);//压缩包
9 FileUtils.forceDelete(new File(basePath));//删除临时⽂件夹
10 file.delete();//解析完成，删除原docx⽂件
11return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);//返回⽬标⽂件相关信息
12 }
解析word(docx)⽂档所需要的代码简单到只需要两⾏代码(代码⽚段⼀3、4两⾏)，以上(代码⽚段⼆)是实际开发的代码，建议对⽐⽚段⼀看，同时由于项⽬可能会部署在linux系统下，建议使
⽤File.separator来代替"/"或者"\"路径分隔符；同时，需要解释的是toHtml⽅法的四个参数==>
Html(加载源docx⽂件的WordprocessingMLPackage实例化对象，存放解析结果(html和图⽚)的基⽬录，存放图⽚的⽂件夹名称(在基⽬录下)，输出主html的输出流对象);
下图是输出的结果的⽬录：
由于docx4j内部的log较多，默认Demo测试的时候输出⽂件会有如下提⽰：
这句话的⼤意是：如需隐藏此消息，请设置docx4j的debug的级别。解决的⽅式是在实际项⽬的log4j.properties中添加docx4j的消息级别为ERROR，如：
如果使⽤maven管理项⽬，直接在l⾥⾯添加docx4j的dependency，如果需⼿动配置docx4j及其依赖包，⼀定要注意依赖包与当前docx4j的版本对应性(推荐3.3.5的docx4j，解析效果
会好⼀些！)否则各种⽑病啊~，下图是maven仓库的⼀些说明，如需⼿动配置依赖⼀定要看下：
下⾯的代码是Excel解析word的部分代码⽚段(代码不全，如有需要请邮件私我)：
(代码⽚段⼀)
1/**
2 *
3 * @param file 源⽂件:c://xx//xx.xlsx
4 * @param uploadPath 基⽬录地址
5 * @return
6 * @throws Exception
7*/
8public ProcessFileInfo processXLSX(File file,String uploadPath)throws Exception {
9 List<String> Path());
10 FileUtils.forceMkdir(new File(uploadPath));//创建⽂件夹
11 String Name().substring(Name().lastIndexOf("."));//⽂件名称
12 String basePath=String.format("%s%s%s", uploadPath,File.separator,code);
13 FileUtils.forceMkdir(new File(basePath));
14 File htmlFile = new File(String.format("%s%s%s", basePath,File.separator,"index.html"));
15 Writer fw=null;
16 PrintWriter bw=null;
17//构建html⽂件
18try{
19 fw= new BufferedWriter( new OutputStreamWriter(new Path()),"UTF-8"));
20 bw=new PrintWriter(fw);
21//添加表头及可缩放样式
22 String head="<!DOCTYPE html><html><head><meta charset=\"UTF-8\"></head><body style=\"transform: scale(0.7,0.7);-webkit-transform: scale(0.7,0.7);\">";
23 StringBuilder body=new StringBuilder();
24for (String e : sheets) {
25 body.append(e);
26 }
27 String foot="</body></html>";
28 bw.write(String.format("%s%s%s", String(),foot));
29 }catch(Exception e){
30throw new Exception("");//错误扔出
31 }finally{
32if (bw != null) {
33 bw.close();
34 }
35if(fw!=null){
36 fw.close();
37 }
38 }
39 String htmlZipFile=String.format("%s%s%s.%s",uploadPath,File.Name().substring(Name().lastIndexOf(".")),"ZIP");
40//压缩⽂件
41 scormService.zip(basePath, htmlZipFile);
42 file.delete();//删除上传的xlsx⽂件
43 FileUtils.forceDelete(new File(basePath));
44return new ProcessFileInfo(true,new File(htmlZipFile).getName(),htmlZipFile);
45 }
View Code
(代码⽚段⼆)
1/**
2 * 程序⼊⼝⽅法
3 *
4 * @param filePath
5 * ⽂件的路径
6 * @return <table>
7 * ...
8 * </table>
9 * 字符串
10*/
11public static List<String> readExcelToHtml(String filePath) {
12 List<String> htmlExcel=null;
13try {
14 File sourcefile = new File(filePath);
15 InputStream is = new FileInputStream(sourcefile);
16 Workbook wb = ate(is);
17 htmlExcel = getExcelToHtml(wb);
18 } catch (EncryptedDocumentException e) {
19 e.printStackTrace();
20 } catch (FileNotFoundException e) {
21 e.printStackTrace();
22 } catch (InvalidFormatException e) {
23 e.printStackTrace();
24 } catch (IOException e) {
25 e.printStackTrace();
26 }
27return htmlExcel;
28
29 }
View Code
以上只展⽰了xlsx⽂件的内容包装和解析excel的⼊⼝⽅法，整个解析类全部放在了utils包下⾯，service⾥⾯只管调⽤⽅法传参就好了，如下图：
解析Excel的⼯具类⼀共有四个⽂件类，其中Excel2HtmlUtils是⼊⼝类，其它三个均是关联Excel2HtmlUtils类处理Excel样式，需要注意的是:⼯具类处理Excel的时候⼀定要限制处理记录的数
量，以免造成内存溢出错误，顺便说下：如果您解析的html供移动端使⽤，建议给html设置可缩放⼤⼩=>transform: scale(0.7,0.7);-webkit-transform: scale(0.7,0.7);。
说完Excel解析，下⾯给出pdf(图⽚ZIP包)解析html的代码⽚段，由于代码较为简单，不多的解释，以
下是具体的实现代码：
1/**
2 * 根据⽂件名中的数字排列图⽚
3 * a>提取⽂件名中的数字放⼊int数组(序列)
4 * b>判断序列数组元素个数与⽂件个数是否⼀致，不⼀致则抛出
5 * c>将序列数组从⼩到⼤排列
6 * d>遍历序列数组获取Map中的⽂件名(value)并写html
7*/
8 String nm=null;
9int[] i=new int[imgNames.size()];
10 Map<Integer,String> names=new HashMap<Integer,String>();
11 Pattern p=Patternpile("[^0-9]");
12for(int j=0;j<imgNames.size();j++){
13 (j).substring((j).lastIndexOf("."));//提取名称
14 String idx=p.matcher(nm).replaceAll("").trim();
15 i[j]=Integer.parseInt("".equals(idx)?"0":idx);
16 names.put(i[j],(j));
17 }
18if(names.keySet().size()!=i.length){
19//System.out.println("====请检查您的图⽚编号====");/*重复或者不存在数字编号*/
20return new ProcessFileInfo(false,null,null);
21 }
22 Arrays.sort(i);//int数组内元素从⼩到⼤排列
23
24//包装成html
25 StringBuilder html=new StringBuilder();
26 html.append("<!DOCTYPE html><html><head><meta charset='UTF-8'><title>PDF</title></head>");
27 html.append("<body style=\"margin:0px 0px;padding:0px 0px;\">");
28for (int k : i) {
29 html.append(String.format("%s%s%s%s%s","<div style=\"width:100%;\"><img src=\"./",fileName,File.(k),"\" style=\"width:100%;\" /></div>"));
30 }
31 html.append("</body></html>");
32 File indexFile=new File(String.format("%s%s%s",basePath,File.separator,"index.html"));
33 Writer fw=null;
34 PrintWriter bw=null;
35//构建⽂件(html写⼊html⽂件)
36try{
37 fw= new BufferedWriter( new OutputStreamWriter(new FileOutputStream(indexFile),"UTF-8"));//以UTF-8的格式写⼊⽂件
38 bw=new PrintWriter(fw);
39 bw.String());
40 }catch(Exception e){
41throw new String());//错误扔出
42 }finally{
43if (bw != null) {
44 bw.close();
45 }
46if(fw!=null){
47 fw.close();
48 }
49 }
50 String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,file.hashCode(),"ZIP");
51 scormService.zip(basePath, zipFilePath);
52//删除⽂件
53 file.delete();
54 FileUtils.forceDelete(new File(basePath));
55return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);
56 }
View Code
同Excel，由于我将ppt存为mp4格式，上传后只需要做简单包装就可以了，处理的时候⼀定要注意html对视频的相对引⽤，以下是具体的实现代码：
1/**
2 *
3 * @param file 上传的⽂件的路径 c://xx.//xxx.mp4
4 * @param uploadPath 保存html的基⽬录路径
5 * @return
6 * @throws Exception
7*/
8public ProcessFileInfo processPPTX(File file,String uploadPath)throws Exception{
9 String Name().substring(Name().lastIndexOf("."));//获取⽂件名称
10 String Name().Name().lastIndexOf(".")+Name().length()).toLowerCase();//⾳频⽂件后缀名
11 String basePath=String.format("%s%s%s", uploadPath,File.separator,fileName);
12 FileUtils.forceMkdir(new File(basePath));
13//将视频⽂件copy到basePath内
14 String videoPath=String.format("%s%s%s", basePath,File.Name());
15 pyFile(file, new File(videoPath));
16 StringBuilder html=new StringBuilder();
17 html.append("<!DOCTYPE html><html><head><meta charset='utf-8'><title>powerpoint</title></head>");
18 html.append("<body style=\"margin:0px 0px;\"><div style=\"width:100%;margin:auto 0% auto 0%;\">");
19 html.append("<video controls=\"controls\" width=\"100%\" height=\"100%\" name=\"media\" >");//⽆背景图⽚
20 html.append(String.format("%s%s.%s%s%s%s%s","<source src=\"",fileName,suffix,"\" type=\"audio/",suffix,"\" >","</video></div>"));//视频
21 html.append("</body></html>");//结尾
22 File indexFile=new File(String.format("%s%s%s",basePath,File.separator,"index.html"));
23 Writer fw=null;
24 PrintWriter bw=null;
25//构建⽂件(html写⼊html⽂件)
26try{
27 fw= new BufferedWriter( new OutputStreamWriter(new FileOutputStream(indexFile),"UTF-8"));//以UTF-8的格式写⼊⽂件
28 bw=new PrintWriter(fw);
29 bw.String());
30 }catch(Exception e){
31throw new String());//错误扔出
32 }finally{
33if (bw != null) {
34 bw.close();
35 }
36if(fw!=null){
37 fw.close();
38 }
39 }
40 String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,fileName,"ZIP");
41 scormService.zip(basePath, zipFilePath);
42//删除⽂件
43 file.delete();
44 FileUtils.forceDelete(new File(basePath));
45return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);
46 }
View Code
虽然需求最终还是改成最简单的实现⽅式，这中间近乎⽩忙活的结果研究出来的实现⽅案还是有必要分享的，以上如能帮助到开发者，哪怕只有⼀位，也是⾮常值得的。
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