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：
相关推荐
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...
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...
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...
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”->“导出”或“保存为”，然后在...
《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。 ...
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...
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...
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...
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。 ...
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...
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 ...
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...
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...
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...
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"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...