最近客户要做一个word,excel 文件在线预览性能，以下是实现此性能的全过程。
因为咱们用的是PHP开发我的项目，最开始想到的是用PHPoffice里的phpword来进行转换，以下是要害代码。
<?php
$phpWord = \PhpOffice\PhpWord\IOFactory::load('test.doc');
$xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");
$xmlWriter->save('test.html);
用这种办法转是能够转，然而转进去的html文件绝对原文件，失落了很多字，如果说款式和原文不一样还能够忍耐，然而内容失落，就不太好了，而且对DOC格局又无奈解决，所以这种办法，我最终抉择了放弃。
而后，我就想用python来解决这个问题，查到了python有个pydocx库能够解决word文档，于是我就装置了一下。
pip install pydocx
这个库用起来也很简略，次要代码如下：
from pydocx import PyDocX
html = PyDocX.to_html("test2.doc")
f = open("test.html", 'w', encoding="utf-8")
f.write(html)
f.close()
转换成果也还能够，除了表格款式和原文有点不一样以外，内容倒是没失落，然而有一个问题，这个库是转换docx的，对doc转换不了，咱们客户还上传挺多doc格局的文件的，于是我只好另外想方法。
查资料发现java有个poi库能够用来对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格局档案读和写的性能。我想试一下，查资料半天，就开始写了，先Maven引入依赖：
<dependencies>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>4.1.2</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>4.1.2</version>
</dependency>
<!-- 针对2003版本的库 -->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>4.1.2</version>
</dependency>
<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>fr.opensagres.poi.xwpf.converter.xhtml</artifactId>
<version>2.0.2</version>
</dependency>
<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.4.3</version></dependency>
</dependencies>
以下是援用他人的可用代码：
import cn.hutool.core.img.ImgUtil;
import fr.opensagres.poi.xwpf.converter.xhtml.Base64EmbedImgManager;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.converter.WordToHtmlConverter;
import org.apache.poi.openxml4j.util.ZipSecureFile;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.w3c.dom.Document;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.transform.OutputKeys;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerException;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.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文件门路
* @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，每次从新生成
File htmlFile = new File(htmlPath + htmlName);
// if (htmlFile.exists()) {
// return htmlFile.getAbsolutePath();
// }
// 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(
DocumentBuilderFactory.newInstance().newDocumentBuilder()
.newDocument());
wordToHtmlConverter.setPicturesManager((content, pictureType, suggestedName, widthInches, heightInches) -> {
BufferedImage bufferedImage = ImgUtil.toImage(content);
String base64Img = ImgUtil.toBase64(bufferedImage, pictureType.getExtension());
// 带图片的word，则将图片转为base64编码，保留在一个页面中
StringBuilder sb = (new StringBuilder(base64Img.length() + "data:;base64,".length()).append("data:;base64,").append(base64Img));
return sb.toString();
});
// 解析word文档
wordToHtmlConverter.processDocument(wordDocument);
Document htmlDocument = wordToHtmlConverter.getDocument();
// 生成html文件下级文件夹
File folder = new File(htmlPath);
if (!folder.exists()) {
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 = TransformerFactory.newInstance();
Transformer serializer = factory.newTransformer();
serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
serializer.setOutputProperty(OutputKeys.INDENT, "yes");
serializer.setOutputProperty(OutputKeys.METHOD, "html");
serializer.transform(domSource, streamResult);
outStream.close();
return htmlFile.getAbsolutePath();
}
/**
* 2007版本word转换成html 2017-2-27
*
* @param wordPath word文件门路
* @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 (htmlFile.exists()) {
// return htmlFile.getAbsolutePath();
// }
// 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来设置图片寄存的目录)
File imgFolder = new File(imagePath);
// 带图片的word，则将图片转为base64编码，保留在一个页面中
XHTMLOptions options = XHTMLOptions.create().indent(4).setImageManager(new Base64EmbedImgManager());
// 3) 将 XWPFDocument转换成XHTML
// 生成html文件下级文件夹
File folder = new File(htmlPath);
if (!folder.exists()) {
folder.mkdirs();
}
OutputStream out = new FileOutputStream(htmlFile);
XHTMLConverter.getInstance().convert(document, out, options);
return htmlFile.getAbsolutePath();
}
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格局转的挺好的，然而转换docx格局的时候，款式全乱了，我查了半天POI的文档，网上也没有哪位大佬来解决这个款式乱的问题，于是我想用python来转docx ,java来转doc,然而又感觉太麻烦。
在查了半天材料当前，我最终的解决办法如下。
还是回到了用php解决，然而不是用phpoffice来解决，而是用unocov进行转换,先装libreoffice
yum install libreoffice
而后装unocov
yum install unoconv
用以下命令就能够转换了
unoconv -f html -o test.html test.doc
-f是输入格局，-o是输入文件 最初面是输出文件，具体用法能够查相干文档，我在php里执行外部命令，生成转换好的文件当前再重定向到生成的文件下面去，因为excel 转html报错，所以我针对excel 转成了pdf.
if (file_exists($source)) {
$dir = dirname($source);
$ext=pathinfo($source)['extension'];
if(!in_array($ext,['xls','xlsx'])){
$filetype='html';
}else $filetype='pdf';
$filename = strstr(basename($source), '.', true) . '.'.$filetype;
$file = $filename;
if(!file_exists('data/' . $file)){
//echo "sudo /usr/bin/unoconv -f {$filetype} -o " . '/data/web/public/data/' . $file . ' ' . '/data/web/data_manage/public/' . $source;exit;
$res= shell_exec("sudo /usr/bin/unoconv -f {$filetype} -o " . '/data/web/public/data/' . $file . ' ' . '/data/web/data_manage/public/' . $source);
if(!file_exists('data/' . $file)){
dump($res);
exit('生成预览文件出错');
}
}
header("Location:".'/data/' . $file);
exit();
} else exit('文件不存在');
最初，总算是把doc,docx 还有excel文件，wps文件都能预览进去，款式还是有点变动，内容没有失落，客户也还算是能承受，以上是我解决这个问题的心得，心愿能帮到大家。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：word文档转html格式在线预览使用了phpofficepydocxjava-POI各方案最终用unoconv解决
转载请注明原文链接：word文档转html格式在线预览使用了phpofficepydocxjava-POI各方案最终用unoconv解决
