首先准备一个测试的odt文件(演示用),百度搜索openoffice下载并安装软件
2.
运行软件openoffice然后选择打开文件,在路漏宽举径返碧中要打开的文件就可以打开了
3.
在打开文件之后,直接将文档另存为word格式保存,即巧含可。
Apache Open Office Writer 能打开并脊 Word 文件格式。Apache OpenOffice是一款先进的开源 办公软件套件,它包含文本文档、电子表格、演示文稿、绘图、数据库等。 它能够支渗清持许多语言并且在所有普通计算机上工作。它将你所有的数据以国际开放绝喊渗标准格式存储下来,并能够读写从其它常用办公软件包来的文件。它可以被完全免费下载并使用于任何用途。
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,其实也可以此燃是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弯慧。
1、下载OpenOffice,
2、下载Jodconverter 这是一埋扒答个开启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=8100urp"
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。
* commons-io
* jodconverter
* juh
* jurt
* ridl
* slf4j-api
* slf4j-jdk14
* unoil
* xstream
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
}
}
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)