`
zpball
  • 浏览: 916735 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

openOffice 把word转换成html

阅读更多
[url]http://jadethao.iteye.com/blog/1817738  [/url]

最近项目中需要把word转换成html格式,直接通过Java代码转化,出来的格式对不上号,网上找到有一些方法,可以接触一下插件或者第三方jar可以进行转换,这里先说说,使用openOffices 转换的过程以及使用.

1、下载安装OpenOffice.org 3.4.1,安装过程略过。
   官网地址:http://download.openoffice.org/index.html
2、下载第三方包Jodconverter.jar,开启OpenOffice进行格式转化
  官网地址:[url] http://www.artofsolving.com/opensource/jodconverter[/url]

3、一切准备工作就绪开始动手时间,

首先,启动端口:
进入dos, cd  C:\Program Files (x86)\OpenOffice.org 3\program
启动命令:soffice -headless -accept="socket,port=8100;urp;

  
package com.artofsolving.jodconverter.test;  
  
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.nio.charset.Charset;  
import java.util.Date;  
import java.util.HashMap;  
import java.util.Map;  
import java.util.Set;  
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;  
  
/** 
 *  
 * 端口启动命令: 
 * soffice -headless -accept="socket,port=8100;urp; 
 * C:\Program Files (x86)\OpenOffice.org 3\program 
 *  
 * 将Word文档转换成html字符串的工具类 
 *  
 *  
 */  
  
public class Test {  
  
    public static void main(String[] args) {  
        toHtmlString(new File("C:\\Users\\Administrator\\Desktop\\a111.doc"), "E:/test");  
    }  
  
    /** 
     * 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);  
          
        /*try { 
            FileUtils.copyFile(docFile,new File("e://ee.doc")); 
            FileInputStream input = FileUtils.openInputStream(docFile); 
            FileOutputStream output = new FileOutputStream(new File("e://ff.doc")); 
            IOUtils.copyLarge(input, output); 
         
        } catch (IOException e1) { 
            e1.printStackTrace(); 
        }*/  
        // 获取html文件流  
        StringBuffer htmlSb = new StringBuffer();  
        try {  
            BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(htmlFile),Charset.forName("gb2312")));  
            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();  
        System.out.println("htmlStr=" + htmlStr);  
        // 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;  
  
    }  
  
}  
分享到:
评论

相关推荐

    利用OpenOffice对html、word、pdf进行转换

    标题“利用OpenOffice对html、word、pdf进行转换”揭示了一个关键知识点,即如何使用开源办公软件OpenOffice处理不同格式的文档,特别是将其相互转换。OpenOffice是一个免费的办公套件,包含类似Microsoft Office的...

    openoffice调用word生成html.rar

    这通常是通过先将Word转换为中间格式(如ODT),然后再转换为PDF的方式来实现的。 总结来说,这是一个利用Java调用OpenOffice服务实现Word到HTML转换的项目,对于理解和应用办公文档自动化处理,特别是需要跨平台...

    Java+SpringBoot+POI进行word2html转换

    如何将word通过POI转化为html并保留其原有格式;如何删除多余的空白行。 阅读建议:此资源以SpringBoot为底层技术框架,结合POI对word文档进行操作,学习其实现原理和内核,不仅是代码编写实现也更注重内容上的需求...

    word文档在html页面展示的几种解决方案

    如你提供的压缩包文件名所示,`使用openOffice把word转化成html.doc`很可能就是一篇关于如何使用OpenOffice进行转换的教程或指南。 - 转换过程通常包括打开Word文档,选择“文件”-&gt;“导出”或“保存为”,然后在...

    openoffice-word2html.rar

    《OpenOffice Word到HTML转换详解》 在信息技术领域,数据格式的转换是常见的操作之一,尤其是在文档处理中。本文将深入探讨如何利用OpenOffice进行Word文档到HTML的转换,以及涉及的关键工具——JODConverter。 ...

    word转换成HTML

    在将Word转换为HTML的过程中,Apache POI会解析Word文档的各个元素,并生成相应的HTML标签。 以下是一个基本的转换流程: 1. **导入Apache POI库**:在项目中引入Apache POI的JAR包,通常包括poi、poi-ooxml和poi-...

    OpenOffice实现word、excel、ppt等文本文件转换pdf

    OpenOffice是一款开源的办公软件套件,它包含了处理文字、表格、演示文稿等多种...通过理解和利用OpenOffice的API,你可以构建自己的文件转换服务,实现从Word、Excel、PPT到PDF的无缝转换,从而满足在线预览的需求。

    OpenOffice转换Office文档为PDF、HTML

    OpenOffice是一款开源的办公软件套件,它支持多种文件格式,包括Microsoft Office的Word、PowerPoint和Excel。在处理跨平台或需要固定布局的文档时,将这些文档转换为PDF或HTML格式非常有用。本文将详细讲解如何使用...

    如何将word文档转成Wiki格式

    摘要:本文档介绍如何使用Word中的宏将doc格式自动转换成wiki格式,并附带完整的宏说明。 知识点一:什么是Wiki格式? Wiki格式是一种基于网页的文档格式,主要用于在线协作和文档分享。它使用简单的标记语言来...

    openoffice springboot集成 在线预览ppt,word,excel

    在IT行业中,集成OpenOffice与SpringBoot框架来实现在线预览PPT、Word和Excel是一项常见的需求,尤其在开发Web应用时。OpenOffice是一个开源的办公软件套件,它提供了API,可以用来处理多种文档格式,包括ODF...

    富文本html转word,word文件合并.zip

    JODConverter则是一个基于OpenOffice的自动化工具,它可以将多种格式的文档转换为其他格式,包括HTML到Word的转换。 接下来,我们来看“Word文件合并”。在企业环境中,经常需要将多个Word文档合并成一个,以简化...

    openoffice实现office在线预览

    2. **文档转换**: 当用户点击在线预览时,服务器会接收到请求,使用 OpenOffice API 将 Office 文档转换为 HTML 或 PDF。转换过程中,OpenOffice 会解析文档内容,保持原始格式和样式,然后输出为网页可读的格式。 ...

    OpenOffice相关文件.zip

    对于"Word转换pdf或HTML"的场景,jodconverter是一个理想的解决方案。例如,如果你有一个Web应用,需要提供文档预览或导出服务,你可以使用jodconverter将上传的.docx文件转换成PDF,便于用户预览和打印,或者转换成...

    web项目使用OpenOffice实现前端在线预览office、pdf等文档源码

    OpenOffice是一款开源的办公软件套件,它提供了一个强大的API,可以用来转换文档格式,使得Web应用程序能够预览和处理非HTML内容。 首先,我们需要了解OpenOffice的工作原理。OpenOffice有一个名为UNO(Universal ...

    c#使用openoffice组件操作文件

    OpenOffice则是一个开源的办公软件套件,它包含了处理各种文档格式的能力,如Word文档、HTML网页、Excel表格以及PDF文件等。当我们需要在C#程序中实现文件间的转换时,可以利用OpenOffice提供的API或组件来实现这一...

    OpenOffice

    在IT领域,OpenOffice是一个开源的办公套件,它提供了处理各种文档格式的能力,包括创建、编辑和转换Word文档(.doc或.docx)以及Excel电子表格(.xls或.xlsx)到HTML格式。这个过程在Java编程环境中尤为重要,因为...

    web项目使用OpenOffice实现前端在线预览office、pdf等文档源码.rar

    在Java环境下,我们可以利用OpenOffice的API来实现在服务器端转换文档为HTML或其他适合浏览器显示的格式,然后将这些内容发送到前端展示。 首先,你需要在服务器上安装OpenOffice,并确保它可以正常运行。在Java...

    在线预览openOffice demo

    OpenOffice支持通过UNO接口(Universal Network Objects)与外部程序交互,可以调用它的转换功能将Word文档(.doc或.docx)转化为PDF。以下是一个基本步骤: 1. 安装OpenOffice或其衍生版本,如LibreOffice。 2. ...

    使用jawin将word转成html

    "使用Jawin将Word转成HTML"是一个利用Java库实现的解决方案,它允许开发者通过编程方式实现这一转换过程。 Jawin是一个Java库,它提供了与Windows API的接口,使得Java程序能够调用Windows系统中的应用程序,例如...

Global site tag (gtag.js) - Google Analytics