如果可以将已经编写好的word文档上传到服务器就可以在相应页面进行展示，将会是一件非常惬意的事情，最起码信息发布人员会很开心。程序员可能就不会这么想了，囧。
将Word转Html的原理是这样的：
1、客户上传Word文档到服务器
2、服务器调用OpenOffice程序打开上传的Word文档
3、OpenOffice将Word文档另存为Html格式
4、Over
至此可见，这要求服务器端安装OpenOffice软件，其实也可以是MS Office，不过OpenOffice的优势是跨平台，你懂的。恩，说明一下，本文的测试基于MS Win7 Ultimate X64 系统。
下面就是规规矩矩的实现。
1、下载OpenOffice，http://download.openoffice.org/index.html So easy...
2、下载Jodconverter http://www.artofsolving.com/opensource/jodconverter 这是一个开启OpenOffice进行格式转化的第三方jar包。
3、泡杯热茶，等待下载。
4、安装OpenOffice，安装结束后，调用cmd，启动OpenOffice的一项服务：C:\Program Files (x86)\OpenOffice.org 3\program>soffice -headless -accept="socket,port=8100;urp;"
5、打开eclipse
6、喝杯热茶，等待eclipse打开。
7、新建eclipse项目，导入Jodconverter/lib 下得jar包。
8、Coding...
查看代码
package com.mzule.doc2html.util;
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.util.Date;
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;
/**
* 将Word文档转换成html字符串的工具类
*
* @author MZULE
*
*/
public class Doc2Html {
public static void main(String[] args) {
System.out
.println(toHtmlString(new File("C:/test/test.doc"), "C:/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);
// 获取html文件流
StringBuffer htmlSb = new StringBuffer();
try {
BufferedReader br = new BufferedReader(new InputStreamReader(
new FileInputStream(htmlFile)));
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();
// 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;
}
}
类组织的不好，博友凑合看，代码注释比较详细了，不多说。
两个公开的方法是独立使用的，toHtmlString(...)方法是转化文件并获取html代码，以备存入数据库。
相关推荐
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...
在Java中，我们可以通过JODConverter库，一个基于OpenOffice的Java转换工具，来实现文档格式的转换。 1. **JODConverter介绍** JODConverter是Java中的一个轻量级库，它通过调用OpenOffice的服务，将各种Office...
在IT行业中，转换文档格式是一项常见的任务，尤其是在处理大量数据或者跨平台兼容性问题时。Java作为一种广泛应用的编程语言，提供了各种库和工具来处理这样的需求。本篇将重点讲解如何利用OpenOffice API在Java环境...
JODConverter是基于OpenOffice的Java转换器，可以将Word、Excel、PowerPoint文档转换为PDF或者其他OpenDocument格式。这个压缩包中的jar包可能就包含了JODConverter的相关组件。 使用JODConverter进行转换的基本...
Java使用OpenOffice转换Office文档为PDF是一种常见的技术需求，尤其在企业级应用中，为了保持一致性和跨平台兼容性，可能会需要将Word、Excel或PowerPoint文档转换为PDF格式。以下将详细介绍如何在Java环境中利用...
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是一款开源的办公软件，它支持多种文档格式的处理，包括创建、编辑和转换。在这个项目中，开发者通过编程方式调用OpenOffice的服务接口来实现这一功能。 描述中提到，Java实现的关键在于调用OpenOffice的...
在IT行业中，OpenOffice是一个开源的办公...以上就是利用OpenOffice和C#进行文档格式转换的基本流程和关键知识点。通过这样的方式，开发者可以创建自己的工具或者集成到现有的系统中，实现批量或者按需的文件转换功能。
Entry.java这个类的原理是先通过OfficeToPDF.java把文档转成pdf，然后再通过Pdf2Jpg.java这个类把PDF转成JPG或者PNG,想转成什么格式图片在Pdf2Jpg.java这个类当中设置一下，代码经过测试，完全没有问题，如果碰到...
JODConverter是一个方便的API，它使用OpenOffice的转换服务将一种文档格式转换为另一种。例如，我们可以使用以下代码片段来将一个ODT文件转换为PDF： ```java import org.artofsolving.jodconverter.Document...
使用POI对word文件内容进行html转换，并支持对目录进行提取，提取后保留目录原本的超链接格式，且转换后的html保留原有word样式。 适合人群：具备一定编程基础，工作1-3年的研发人员 能学到什么：可以学习到word文档...
4. **JODConverter:** 这是一个Java库，能够将一种文档格式转换为另一种，包括从PDF或其他格式转换为Word。它基于OpenOffice或LibreOffice的转换引擎。 5. **PDFBox:** 如果描述中的“JAVA导出word pdf.doc”意味着...
3. **格式转换**：由于OpenOffice支持多种文档标准，因此它能方便地在不同格式间转换。例如，你可以将一个Word文档转换成PDF，便于共享和打印，而不影响原始格式。 4. **宏与VBA兼容**：尽管OpenOffice不支持Word中...
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OpenOffice进行转换，并探讨相关技术。 首先，让我们了解PDF和HTML这两种格式的特点。PDF（Portable Document...
OpenOffice是一个开源的办公套件，它提供了丰富的API，可以被Java应用程序调用进行文档操作，包括文件格式的转换。在Java中使用OpenOffice实现Excel到PDF的转换，主要涉及到以下几个关键步骤和知识点： 1. **...
3. 文档格式：OpenOffice支持ODF（OpenDocument Format），这是一种国际标准的开放文档格式，可以与其他开源或商业软件无缝交换。此外，它还能够读写Microsoft Office的DOC、XLS、PPT等格式，方便了不同平台和软件...
- **转换功能**：如描述所述，OpenOffice支持将Word文档转换为PDF，这在需要保证文档格式不被篡改或在不同设备间保持一致的情况下非常有用。 - **插图功能**：Writer组件可以方便地插入和编辑图片，支持多种图像...
Word文档通常使用Microsoft Office套件或者OpenOffice、LibreOffice等开源工具直接编辑，而Java生成的RTF文档则是通过编程实现，适合自动化和批量处理。 在Java中，除了使用特定库如`srw.jar`外，还可以使用Apache ...
在IT行业中，转换文档格式是常见的需求之一，特别是在处理Word文档和网页内容时。Apache POI是一个强大的开源Java库，专门用于读写Microsoft ...在实际应用中，开发者应根据具体需求选择最适合的方法进行文档格式转换。