导入word到Fckeditor(java实现)

 

     

     最近项目可以说到达了一个里程碑,借这篇文章把前面的技术进行总结.

      我们的项目是给一个政府单位开发的，后台其实是个CMS系统,客户非要完成一个功能就是把WORD直接导入到Web 编辑器中，我们是用的是Fckeditor2.5版本，这个功能让我很头疼，想了几天没有思路，但是忽然看到了网上的一篇文章 地址如下：

     http://topic.csdn.net/u/20091020/21/b77f825b-4a18-4a86-b642-8d38ffef9e12.html

     3楼的哥们把代码贴了上了，不错的思路。

 

    首先用调用COM组件把Word转为html ，然后通过截取重要的源代码 ，最后把这代码放到fck编辑器中,我在做的中间还遇到了很多技术细节问题，下面来看我的实现

   使用jacob 来把word转成html

  

/**
    * 把word文件转换成html文件
    *
    * @param src
    *                        原文件
    * @param out
    *                        目标文件
    */
  public static synchronized void word2Html(String src, String out) {
    ActiveXComponent app = null;
    try {
      app = new ActiveXComponent("Word.Application");// 启动word

      app.setProperty("Visible", new Variant(false));

      // 设置word不可见
      Dispatch docs = app.getProperty("Documents").toDispatch();

      Dispatch doc = Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[] { src, new Variant(false), new Variant(true) }, new int[1]).
toDispatch();
      // 打开word文件 8转为 html 9转为 mht
      Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object    []    {out, new Variant(8) }, new int[1]);

      Variant f = new Variant(false);

      Dispatch.call(doc, "Close", f);

    } catch (Exception e) {
      e.printStackTrace();
    } finally {
    // 注意这里一定 要关闭否则服务器端会有很多winword.exe进程
      app.invoke("Quit", new Variant[] {});
      app = null;
    }

  }

/** 
    * 把word文件转换成html文件 
    *    
    * @param src 
    *                        原文件 
    * @param out 
    *                        目标文件 
    */ 
  public static synchronized void word2Html(String src, String out) { 
    ActiveXComponent app = null; 
    try { 
      app = new ActiveXComponent("Word.Application");// 启动word 

      app.setProperty("Visible", new Variant(false)); 

      // 设置word不可见 
      Dispatch docs = app.getProperty("Documents").toDispatch(); 

      Dispatch doc = Dispatch.invoke(docs, "Open", Dispatch.Method, new Object[] { src, new Variant(false), new Variant(true) }, new int[1]).
toDispatch(); 
      // 打开word文件 8转为 html 9转为 mht 
      Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object    []    {out, new Variant(8) }, new int[1]); 

      Variant f = new Variant(false); 

      Dispatch.call(doc, "Close", f); 

    } catch (Exception e) { 
      e.printStackTrace(); 
    } finally { 
    // 注意这里一定 要关闭否则服务器端会有很多winword.exe进程
      app.invoke("Quit", new Variant[] {}); 
      app = null; 
    } 

  }

 

上面的代码其实完成的功能其实就是通过调用COM组件打开word程序然后隐藏窗口然后把打开的word文件另存为html.

2.用Apache的CommonsIO读取文件

/**
    * 根据文件名读取出html代码
    *
    * @param fileName
    * @return
    */
  public static synchronized String getHtmlCode(String fileName) {

    InputStream in = null;
    String result = null;
    try {
      in = new FileInputStream(fileName);
      result = IOUtils.toString(in, "gb2312");
    } catch (Exception e) {
      e.printStackTrace();
    } finally {
      IOUtils.closeQuietly(in);
    }
    return result;
  }

/** 
    * 根据文件名读取出html代码 
    *    
    * @param fileName 
    * @return 
    */ 
  public static synchronized String getHtmlCode(String fileName) { 

    InputStream in = null; 
    String result = null; 
    try { 
      in = new FileInputStream(fileName); 
      result = IOUtils.toString(in, "gb2312"); 
    } catch (Exception e) { 
      e.printStackTrace(); 
    } finally { 
      IOUtils.closeQuietly(in); 
    } 
    return result; 
  }

 默认转成的html文件就是gb2312编码的 这里注意你读取出来的字符串必须是包含空格的，意思就是把读取出来的字符串拷出来放到文本文档里面的代码和html的源代码格式完全一样.

 

 

  3.截取body代码

  

/**
 * 截取body内容
 *
 * @param bodyCode
 * @return
 */
public static synchronized String performBodyCode(String htmlCode) {
    String bodyCode = "";
    // 处理body
    int bodyIndex = htmlCode.indexOf("<body");

    int bodyEndIndex = htmlCode.indexOf("</html>");

    if (bodyIndex != -1 && bodyEndIndex != -1) {
        htmlCode = htmlCode.substring(bodyIndex, bodyEndIndex);
        //bodyCode = StringUtils.replace(htmlCode, "v:imagedata", "img");
        //bodyCode = StringUtils.replace(bodyCode, "</v:imagedata>", "");
        bodyCode=htmlCode;
    }
    htmlCode = null;
    return bodyCode;
}

	/**
	 * 截取body内容
	 * 
	 * @param bodyCode
	 * @return
	 */
	public static synchronized String performBodyCode(String htmlCode) {
		String bodyCode = "";
		// 处理body
		int bodyIndex = htmlCode.indexOf("<body");

		int bodyEndIndex = htmlCode.indexOf("</html>");

		if (bodyIndex != -1 && bodyEndIndex != -1) {
			htmlCode = htmlCode.substring(bodyIndex, bodyEndIndex);
			//bodyCode = StringUtils.replace(htmlCode, "v:imagedata", "img");
			//bodyCode = StringUtils.replace(bodyCode, "</v:imagedata>", "");
			bodyCode=htmlCode; 
		}
		htmlCode = null;
		return bodyCode;
	}

 

 

 转成的html代码中很多一部分是无用的代码 我们需要对他进行减肥 已经标签的替换.

 

 4.处理html代码中的style标签

 

 

/**
 * 处理Style标签中的内容
 *
 * @param htmlCode
 * @return
 */
public static synchronized String performStyleCode(String htmlCode) {
    String result = "";

    int index = 0;

    int styleStartIndex = 0;

    int styleEndIndex = 0;

    // 截取<style>标签中开始部分的坐标

    while (index < htmlCode.length()) {
        int styleIndexStartTemp = htmlCode.indexOf("<style>", index);

        if (styleIndexStartTemp == -1) {
            break;
        }
        int styleContentStartIndex = htmlCode.indexOf("<!--", styleIndexStartTemp);

        if (styleContentStartIndex - styleIndexStartTemp == 9) {
            styleStartIndex = styleIndexStartTemp;
            break;
        }
        index = styleIndexStartTemp + 7;
    }

    // 截取style标签中后面部分的坐标
    index = 0;
    while (index < htmlCode.length()) {
        int styleContentEndIndex = htmlCode.indexOf("-->", index);

        if (styleContentEndIndex == -1) {
            break;
        }
        int styleEndIndexTemp = htmlCode.indexOf("</style>", styleContentEndIndex);

        if (styleEndIndexTemp - styleContentEndIndex == 5) {
            styleEndIndex = styleEndIndexTemp;
            break;
        }
        index = styleContentEndIndex + 4;
    }

    result = htmlCode.substring(styleStartIndex, styleEndIndex + 8);

    return result;
}

	/**
	 * 处理Style标签中的内容
	 * 
	 * @param htmlCode
	 * @return
	 */
	public static synchronized String performStyleCode(String htmlCode) {
		String result = "";

		int index = 0;

		int styleStartIndex = 0;

		int styleEndIndex = 0;

		// 截取<style>标签中开始部分的坐标

		while (index < htmlCode.length()) {
			int styleIndexStartTemp = htmlCode.indexOf("<style>", index);

			if (styleIndexStartTemp == -1) {
				break;
			}
			int styleContentStartIndex = htmlCode.indexOf("<!--", styleIndexStartTemp);

			if (styleContentStartIndex - styleIndexStartTemp == 9) {
				styleStartIndex = styleIndexStartTemp;
				break;
			}
			index = styleIndexStartTemp + 7;
		}

		// 截取style标签中后面部分的坐标
		index = 0;
		while (index < htmlCode.length()) {
			int styleContentEndIndex = htmlCode.indexOf("-->", index);

			if (styleContentEndIndex == -1) {
				break;
			}
			int styleEndIndexTemp = htmlCode.indexOf("</style>", styleContentEndIndex);

			if (styleEndIndexTemp - styleContentEndIndex == 5) {
				styleEndIndex = styleEndIndexTemp;
				break;
			}
			index = styleContentEndIndex + 4;
		}

		result = htmlCode.substring(styleStartIndex, styleEndIndex + 8);

		return result;
	}

 

     word转为html后里面有很多的style标签 其中

    <style>

         <!---   内容省略

          --->

    <style>

    类似于如上带html注释的style标签才是有用的 其余全是无用的.上面的代码就是把这有用的代码截取出来.如果你在第2部的时候格式读取正确,那么上面的代码截取出来的代码肯定没问题.

 

 

5.处理word文件中的图片

 

/**
 * 处理body中的图片内容
 * @param bodyContent
 * @return
 */
public static synchronized String performBodyImg(String bodyContent) {

    //根据图片名称预览图片action的地址
    String newImgSrc = "tumbnail.action?fileName=";

    //存放word文件的物理位置
    String filePath = ResourceBundle.getBundle("sysConfig").getString("userFilePath.word");

    //存放图片的物理位置
    String imgPath = ResourceBundle.getBundle("sysConfig").getString("userFilePath.image");

    Parser parser = Parser.createParser(bodyContent, "gb2312");

    ImgTagVisitor imgTag = new ImgTagVisitor();

    try {
        parser.visitAllNodesWith(imgTag);
        // 得到所有图片地址
        List<String> imgUrls = imgTag.getSrcStringList();

        for (String url : imgUrls) {
            String uuid = UUID.randomUUID().toString();

            String extName = url.substring(url.lastIndexOf("."));

            String newImgFileName = newImgSrc + uuid + extName;

            bodyContent = StringUtils.replace(bodyContent, url, newImgFileName);

            bodyContent = StringUtils.replace(bodyContent, url, newImgFileName);

            ImageUtils.copy(filePath + url, imgPath + uuid + extName);

        }

    } catch (ParserException e) {
        e.printStackTrace();
    }
    String result = bodyContent;

    //去除多余的代码
    result = StringUtils.replace(result, "<![endif]>", "");

    result = StringUtils.replace(result, "<![if !vml]>", "");

    bodyContent = null;

    return result;
}

	/**
	 * 处理body中的图片内容
	 * @param bodyContent
	 * @return
	 */
	public static synchronized String performBodyImg(String bodyContent) {

	    //根据图片名称预览图片action的地址
		String newImgSrc = "tumbnail.action?fileName=";

		//存放word文件的物理位置
		String filePath = ResourceBundle.getBundle("sysConfig").getString("userFilePath.word");

		//存放图片的物理位置
		String imgPath = ResourceBundle.getBundle("sysConfig").getString("userFilePath.image");

		Parser parser = Parser.createParser(bodyContent, "gb2312");

		ImgTagVisitor imgTag = new ImgTagVisitor();

		try {
			parser.visitAllNodesWith(imgTag);
			// 得到所有图片地址
			List<String> imgUrls = imgTag.getSrcStringList();

			for (String url : imgUrls) {
				String uuid = UUID.randomUUID().toString();

				String extName = url.substring(url.lastIndexOf("."));

				String newImgFileName = newImgSrc + uuid + extName;

				bodyContent = StringUtils.replace(bodyContent, url, newImgFileName);

				bodyContent = StringUtils.replace(bodyContent, url, newImgFileName);

				ImageUtils.copy(filePath + url, imgPath + uuid + extName);

			}

		} catch (ParserException e) {
			e.printStackTrace();
		}
		String result = bodyContent;
		
		//去除多余的代码
		result = StringUtils.replace(result, "<![endif]>", "");

		result = StringUtils.replace(result, "<![if !vml]>", "");

		bodyContent = null;

		return result;
	}

 

 上面的代码中用到了开源的html解析工具htmlparser 用他来进行分析得到所有图片的链接 然后把图片的链接用Apache的Commons-lang包中的StrutsUtils替换成我修改了fck中预览图片的action

 

 

   下面是我自己实现ImgTagVisitor 代码

  

 

package com.bettem.cms.web.utils.htmlparser;

import java.util.ArrayList;
import java.util.List;

import org.htmlparser.Tag;
import org.htmlparser.Text;
import org.htmlparser.visitors.NodeVisitor;
/**
    *
    * 说明：htmlparser 解析 Img 标签所用类
    * *******************
    * 日期 人员
    * 2010-2-3 Liqiang
    */
public class ImgTagVisitor extends NodeVisitor {

  private List<String> srcList;
  private StringBuffer textAccumulator;

  public ImgTagVisitor() {
    srcList = new ArrayList<String>();

    textAccumulator = new StringBuffer();

  }

  public void visitTag(Tag tag) {
    if (tag.getTagName().equalsIgnoreCase("img")) {
      srcList.add(tag.getAttribute("src"));
    }
  }

  public List<String> getSrcStringList() {
    return srcList;
  }

  public void visitStringNode(Text stringNode) {
    String text = stringNode.getText();

    textAccumulator.append(text);
  }

  public String getText() {

    return textAccumulator.toString();
  }

}

package com.bettem.cms.web.utils.htmlparser; 

import java.util.ArrayList; 
import java.util.List; 

import org.htmlparser.Tag; 
import org.htmlparser.Text; 
import org.htmlparser.visitors.NodeVisitor; 
/** 
    *    
    * 说明：htmlparser 解析 Img 标签所用类 
    * ******************* 
    * 日期 人员     
    * 2010-2-3 Liqiang 
    */ 
public class ImgTagVisitor extends NodeVisitor { 

  private List<String> srcList; 
  private StringBuffer textAccumulator; 

  public ImgTagVisitor() { 
    srcList = new ArrayList<String>(); 

    textAccumulator = new StringBuffer(); 

  } 

  public void visitTag(Tag tag) { 
    if (tag.getTagName().equalsIgnoreCase("img")) { 
      srcList.add(tag.getAttribute("src")); 
    } 
  } 

  public List<String> getSrcStringList() { 
    return srcList; 
  } 

  public void visitStringNode(Text stringNode) { 
    String text = stringNode.getText(); 

    textAccumulator.append(text); 
  } 

  public String getText() { 

    return textAccumulator.toString(); 
  } 

}

 

   6.移除多余的v:imagedata标签

  

/**
 * 移除多余的v:imagedata标签
 * @param content
 * @return
 */
public static synchronized String removeImagedataTag(String content) {
    Parser parser = null;
    Lexer lexer = null;
    AndFilter andFilter = null;
    NodeList nl = null;
    try {
        parser = new Parser(content, Parser.STDOUT);
        lexer = new Lexer(content);
        andFilter = new AndFilter(new NotFilter(new TagNameFilter("v:imagedata")), new NotFilter(new TagNameFilter("v:imagedata")));
        nl = parser.extractAllNodesThatMatch(andFilter);
    } catch (ParserException e) {
        e.printStackTrace();
    }
    return nl.toHtml();

}

	/**
	 * 移除多余的v:imagedata标签
	 * @param content
	 * @return
	 */
	public static synchronized String removeImagedataTag(String content) {
		Parser parser = null;
		Lexer lexer = null;
		AndFilter andFilter = null;
		NodeList nl = null;
		try {
			parser = new Parser(content, Parser.STDOUT);
			lexer = new Lexer(content);
			andFilter = new AndFilter(new NotFilter(new TagNameFilter("v:imagedata")), new NotFilter(new TagNameFilter("v:imagedata")));
			nl = parser.extractAllNodesThatMatch(andFilter);
		} catch (ParserException e) {
			e.printStackTrace();
		}
		return nl.toHtml();

	}

 

      在word转html的时候大图片会被自动压缩成小图片 但是原来的大图片还会存在在代码里，上面的代码把多余的标签过滤掉.

  最后看下我action中的代码

 

/**
      * 导入word文件
      *
      * @return
      */
     public synchronized String exportWord()
     {
             String content = null;
             String path = ResourceBundle.getBundle("sysConfig").getString("userFilePath.word");
             InputStream ins = null;
             OutputStream wordFile = null;
             String htmlPath = null;
             String wordPath = null;
             // 处理上传的word文件
             try
             {
                     String uuid = UUID.randomUUID().toString();
                     // 截取扩展名
                     String fileName = uuid + filedataFileName.substring(filedataFileName.lastIndexOf("."));
                     // 生存html文件名
                     String wordHtmlFileName = uuid + ".html";
                     ins = new FileInputStream(filedata);
                     wordPath = path + fileName;
                     wordFile = new FileOutputStream(wordPath);

                     IOUtils.copy(ins, wordFile);

                     // word转html

                     htmlPath = path + wordHtmlFileName;

                     WordUtils.word2Html(wordPath, htmlPath);
                     String wordHtmlContent = WordUtils.getHtmlCode(htmlPath);
                     // 处理样式
                     String styleCode = WordUtils.performStyleCode(wordHtmlContent);

                     String bodyCode = WordUtils.performBodyCode(wordHtmlContent);
                     // 处理文章中的图片
                     bodyCode = WordUtils.performBodyImg(bodyCode);

                     content = styleCode + bodyCode;
                     styleCode = null;
                     bodyCode = null;

                     WordUtils.removeImagedataTag(content);

             }
             catch (FileNotFoundException e)
             {
                     e.printStackTrace();
             }
             catch (IOException e)
             {
                     e.printStackTrace();
             }
             finally
             {
                     IOUtils.closeQuietly(wordFile);
                     IOUtils.closeQuietly(ins);
                     try
                     {
                             File word = new File(wordPath);
                             File file = new File(htmlPath);
                             if (file.exists())
                             {
                                     file.delete();
                                     word.delete();
                                     FileUtils.deleteDirectory(new File(htmlPath.substring(0, htmlPath.lastIndexOf(".")) + ".files"));
                             }

                     }
                     catch (IOException e)
                     {
                             e.printStackTrace();
                     }
             }

             // 读取word文件内容，添加到content中
             // 放到request中
             ServletActionContext.getRequest().setAttribute("content", content);
             ServletActionContext.getRequest().setAttribute("add", true);
             return SUCCESS;
     }

   /** 
         * 导入word文件 
         *    
         * @return 
         */ 
        public synchronized String exportWord() 
        { 
                String content = null; 
                String path = ResourceBundle.getBundle("sysConfig").getString("userFilePath.word"); 
                InputStream ins = null; 
                OutputStream wordFile = null; 
                String htmlPath = null; 
                String wordPath = null; 
                // 处理上传的word文件 
                try 
                { 
                        String uuid = UUID.randomUUID().toString(); 
                        // 截取扩展名 
                        String fileName = uuid + filedataFileName.substring(filedataFileName.lastIndexOf(".")); 
                        // 生存html文件名 
                        String wordHtmlFileName = uuid + ".html"; 
                        ins = new FileInputStream(filedata); 
                        wordPath = path + fileName; 
                        wordFile = new FileOutputStream(wordPath); 

                        IOUtils.copy(ins, wordFile); 

                        // word转html 

                        htmlPath = path + wordHtmlFileName; 

                        WordUtils.word2Html(wordPath, htmlPath); 
                        String wordHtmlContent = WordUtils.getHtmlCode(htmlPath); 
                        // 处理样式 
                        String styleCode = WordUtils.performStyleCode(wordHtmlContent); 

                        String bodyCode = WordUtils.performBodyCode(wordHtmlContent); 
                        // 处理文章中的图片 
                        bodyCode = WordUtils.performBodyImg(bodyCode); 

                        content = styleCode + bodyCode; 
                        styleCode = null; 
                        bodyCode = null; 

                        WordUtils.removeImagedataTag(content); 

                } 
                catch (FileNotFoundException e) 
                { 
                        e.printStackTrace(); 
                } 
                catch (IOException e) 
                { 
                        e.printStackTrace(); 
                } 
                finally 
                { 
                        IOUtils.closeQuietly(wordFile); 
                        IOUtils.closeQuietly(ins); 
                        try 
                        { 
                                File word = new File(wordPath); 
                                File file = new File(htmlPath); 
                                if (file.exists()) 
                                { 
                                        file.delete(); 
                                        word.delete(); 
                                        FileUtils.deleteDirectory(new File(htmlPath.substring(0, htmlPath.lastIndexOf(".")) + ".files")); 
                                } 

                        } 
                        catch (IOException e) 
                        { 
                                e.printStackTrace(); 
                        } 
                } 

                // 读取word文件内容，添加到content中 
                // 放到request中 
                ServletActionContext.getRequest().setAttribute("content", content); 
                ServletActionContext.getRequest().setAttribute("add", true); 
                return SUCCESS; 
        }

 

  

评论

7 楼 zpl 2012-02-14  

C:\Documents and Settings\Administrator\桌面

6 楼 zpl 2012-02-14  

[img][/img] asdfasdfasdfa

5 楼 fonkyjon 2011-10-11  

兄弟，有没有整个可以下载的Demo project出来啊？

4 楼 Jackie_GP 2011-07-03  

这个功能比较鸡肋呀！不能跨平台，服务器必须安装Word才可以的呀！不如用POI实现的好呀！

3 楼 Jackie_GP 2011-07-01  

可惜代码没有给全呀

2 楼 Mybeautiful 2010-12-15  

兄弟，有没有整个可以下载的Demo project出来啊？

1 楼 yuan_xulong 2010-12-10  

正好需要，谢谢兄弟了。