免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Java › Java文档中心 › Word/Excel/PDF文件转换成HTML整理
最近访问板块 发新帖
查看: 5951 | 回复: 1
打印 上一主题 下一主题

Word/Excel/PDF文件转换成HTML整理 [复制链接]

chenix

论坛徽章:
0
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2009-03-31 11:00 |只看该作者 |倒序浏览

项目开发过程中，需求涉及到了各种文档转换为HTML或者网页易显示格式，现在将实现方式整理如下：
一、使用Jacob转换Word,Excel为HTML
“JACOB一个Java-COM中间件.通过这个组件你可以在Java应用程序中调用COM组件和Win32 libraries。”
首先下载Jacob包，JDK1.5以上需要使用Jacob1.9版本（JDK1.6尚未测试），与先前的Jacob1.7差别不大
1、将压缩包解压后，Jacob.jar添加到Libraries中；
2、将Jacob.dll放至“WINDOWS\SYSTEM32”下面。
需要注意的是：
【使用IDE启动Web服务器时，系统读取不到Jacob.dll，例如用MyEclipse启动Tomcat，就需要将dll文件copy到MyEclipse安装目录的“jre\bin”下面。
一般系统没有加载到Jacob.dll文件时，报错信息为：“java.lang.UnsatisfiedLinkError: no jacob in java.library.path”】
新建类：
Java代码

  • public class JacobUtil   
  • {   
  •     public static final int WORD_HTML = 8;   
  •   
  •     public static final int WORD_TXT = 7;   
  •   
  •     public static final int EXCEL_HTML = 44;   
  •   
  •     /**  
  •      * WORD转HTML  
  •      * @param docfile WORD文件全路径  
  •      * @param htmlfile 转换后HTML存放路径  
  •      */  
  •     public static void wordToHtml(String docfile, String htmlfile)   
  •     {   
  •         ActiveXComponent app = new ActiveXComponent("Word.Application"); // 启动word   
  •         try  
  •         {   
  •             app.setProperty("Visible", new Variant(false));   
  •             Dispatch docs = app.getProperty("Documents").toDispatch();   
  •             Dispatch doc = Dispatch.invoke(   
  •                     docs,   
  •                     "Open",   
  •                     Dispatch.Method,   
  •                     new Object[] { docfile, new Variant(false),   
  •                             new Variant(true) }, new int[1]).toDispatch();   
  •             Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[] {   
  •                     htmlfile, new Variant(WORD_HTML) }, new int[1]);   
  •             Variant f = new Variant(false);   
  •             Dispatch.call(doc, "Close", f);   
  •         }   
  •         catch (Exception e)   
  •         {   
  •             e.printStackTrace();   
  •         }   
  •         finally  
  •         {   
  •             app.invoke("Quit", new Variant[] {});   
  •         }   
  •     }   
  •   
  •     /**  
  •      * EXCEL转HTML  
  •      * @param xlsfile EXCEL文件全路径  
  •      * @param htmlfile 转换后HTML存放路径  
  •      */  
  •     public static void excelToHtml(String xlsfile, String htmlfile)   
  •     {   
  •         ActiveXComponent app = new ActiveXComponent("Excel.Application"); // 启动word   
  •         try  
  •         {   
  •             app.setProperty("Visible", new Variant(false));   
  •             Dispatch excels = app.getProperty("Workbooks").toDispatch();   
  •             Dispatch excel = Dispatch.invoke(   
  •                     excels,   
  •                     "Open",   
  •                     Dispatch.Method,   
  •                     new Object[] { xlsfile, new Variant(false),   
  •                             new Variant(true) }, new int[1]).toDispatch();   
  •             Dispatch.invoke(excel, "SaveAs", Dispatch.Method, new Object[] {   
  •                     htmlfile, new Variant(EXCEL_HTML) }, new int[1]);   
  •             Variant f = new Variant(false);   
  •             Dispatch.call(excel, "Close", f);   
  •         }   
  •         catch (Exception e)   
  •         {   
  •             e.printStackTrace();   
  •         }   
  •         finally  
  •         {   
  •             app.invoke("Quit", new Variant[] {});   
  •         }   
  •     }   
  •   
  • }  public class JacobUtil
    {
            public static final int WORD_HTML = 8;
            public static final int WORD_TXT = 7;
            public static final int EXCEL_HTML = 44;
            /**
             * WORD转HTML
             * @param docfile WORD文件全路径
             * @param htmlfile 转换后HTML存放路径
             */
            public static void wordToHtml(String docfile, String htmlfile)
            {
                    ActiveXComponent app = new ActiveXComponent("Word.Application"); // 启动word
                    try
                    {
                            app.setProperty("Visible", new Variant(false));
                            Dispatch docs = app.getProperty("Documents").toDispatch();
                            Dispatch doc = Dispatch.invoke(
                                            docs,
                                            "Open",
                                            Dispatch.Method,
                                            new Object[] { docfile, new Variant(false),
                                                            new Variant(true) }, new int[1]).toDispatch();
                            Dispatch.invoke(doc, "SaveAs", Dispatch.Method, new Object[] {
                                            htmlfile, new Variant(WORD_HTML) }, new int[1]);
                            Variant f = new Variant(false);
                            Dispatch.call(doc, "Close", f);
                    }
                    catch (Exception e)
                    {
                            e.printStackTrace();
                    }
                    finally
                    {
                            app.invoke("Quit", new Variant[] {});
                    }
            }
            /**
             * EXCEL转HTML
             * @param xlsfile EXCEL文件全路径
             * @param htmlfile 转换后HTML存放路径
             */
            public static void excelToHtml(String xlsfile, String htmlfile)
            {
                    ActiveXComponent app = new ActiveXComponent("Excel.Application"); // 启动word
                    try
                    {
                            app.setProperty("Visible", new Variant(false));
                            Dispatch excels = app.getProperty("Workbooks").toDispatch();
                            Dispatch excel = Dispatch.invoke(
                                            excels,
                                            "Open",
                                            Dispatch.Method,
                                            new Object[] { xlsfile, new Variant(false),
                                                            new Variant(true) }, new int[1]).toDispatch();
                            Dispatch.invoke(excel, "SaveAs", Dispatch.Method, new Object[] {
                                            htmlfile, new Variant(EXCEL_HTML) }, new int[1]);
                            Variant f = new Variant(false);
                            Dispatch.call(excel, "Close", f);
                    }
                    catch (Exception e)
                    {
                            e.printStackTrace();
                    }
                    finally
                    {
                            app.invoke("Quit", new Variant[] {});
                    }
            }
    }
    当时我在找转换控件时，发现网易也转载了一偏关于Jacob使用帮助，但其中出现了比较严重的错误：String htmlfile = "C:\\AA";
    只指定到了文件夹一级，正确写法是String htmlfile = "C:\\AA\\xxx.html";

    到此WORD/EXCEL转换HTML就已经差不多了，相信大家应该很清楚了:)

    二、使用XPDF将PDF转换为HTML

    1、下载xpdf最新版本，地址：
    http://www.foolabs.com/xpdf/download.html
    我下载的是
    xpdf-3.02pl2-win32.zip

    2、下载中文支持包
    我下载的是
    xpdf-chinese-simplified.tar.gz

    3、下载pdftohtml支持包
    地址：
    http://sourceforge.net/projects/pdftohtml/
    我下载的是：
    pdftohtml-0.39-win32.tar.gz

    4、解压调试
    1) 先将xpdf-3.02pl2-win32.zip解压，解压后的内容可根据需要进行删减，如果只需要转换为txt格式，其他的exe文件可以删除，只保留pdftotext.exe，以此类推；
    2) 然后将xpdf-chinese-simplified.tar.gz解压到刚才xpdf-3.02pl2-win32.zip的解压目录；
    3) 将pdftohtml-0.39-win32.tar.gz解压，pdftohtml.exe解压到xpdf-3.02pl2-win32.zip的解压目录；
    4) 目录结构：
    +---[X:\xpdf]
               |-------各种转换用到的exe文件
               |
               |-------xpdfrc
               |
               +------[X:\xpdf\xpdf-chinese-simplified]
                                          |
                                          |
                                          +-------很多转换时需要用到的字符文件

    xpdfrc：此文件是用来声明转换字符集对应路径的文件

    5) 修改xpdfrc文件(文件原名为sample-xpdfrc)
    修改文件内容为：

    Txt代码

  • #----- begin Chinese Simplified support package   
  • cidToUnicode    Adobe-GB1       xpdf-chinese-simplified\Adobe-GB1.cidToUnicode   
  • unicodeMap      ISO-2022-CN     xpdf-chinese-simplified\ISO-2022-CN.unicodeMap   
  • unicodeMap      EUC-CN          xpdf-chinese-simplified\EUC-CN.unicodeMap   
  • unicodeMap  GBK    xpdf-chinese-simplified\GBK.unicodeMap   
  • cMapDir         Adobe-GB1       xpdf-chinese-simplified\CMap   
  • toUnicodeDir                    xpdf-chinese-simplified\CMap   
  • fontDir  C:\WINDOWS\Fonts   
  • displayCIDFontTT Adobe-GB1 C:\WINDOWS\Fonts\simhei.ttf   
  • #----- end Chinese Simplified support package  #----- begin Chinese Simplified support package
    cidToUnicode    Adobe-GB1       xpdf-chinese-simplified\Adobe-GB1.cidToUnicode
    unicodeMap      ISO-2022-CN     xpdf-chinese-simplified\ISO-2022-CN.unicodeMap
    unicodeMap      EUC-CN          xpdf-chinese-simplified\EUC-CN.unicodeMap
    unicodeMap  GBK    xpdf-chinese-simplified\GBK.unicodeMap
    cMapDir         Adobe-GB1       xpdf-chinese-simplified\CMap
    toUnicodeDir                    xpdf-chinese-simplified\CMap
    fontDir  C:\WINDOWS\Fonts
    displayCIDFontTT Adobe-GB1 C:\WINDOWS\Fonts\simhei.ttf
    #----- end Chinese Simplified support package

    6) 创建bat文件pdftohtml.bat（放置的路径不能包含空格）
    内容为：

    Txt代码

  • @echo off   
  • set folderPath=%1  
  • set filePath=%2  
  • cd /d %folderPath%   
  • pdftohtml -enc GBK %filePath%   
  • exit  @echo off
    set folderPath=%1
    set filePath=%2
    cd /d %folderPath%
    pdftohtml -enc GBK %filePath%
    exit

    7) 创建类

    Java代码

  • public class ConvertPdf   
  • {   
  •     private static String INPUT_PATH;   
  •     private static String PROJECT_PATH;   
  •       
  •     public static void convertToHtml(String file, String project)   
  •     {   
  •         INPUT_PATH = file;   
  •         PROJECT_PATH = project;   
  •         if(checkContentType()==0)   
  •         {   
  •             toHtml();   
  •         }   
  •     }   
  •       
  •     private static int checkContentType()   
  •     {   
  •         String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())   
  •                 .toLowerCase();   
  •         if (type.equals("pdf"))   
  •             return 0;   
  •         else  
  •             return 9;   
  •     }   
  •       
  •     private static void toHtml()   
  •     {   
  •         if(new File(INPUT_PATH).isFile())   
  •         {   
  •             try  
  •             {   
  •                 String cmd = "cmd /c start X:\\pdftohtml.bat \"" + PROJECT_PATH + "\" \"" + INPUT_PATH + "\"";   
  •                 Runtime.getRuntime().exec(cmd);   
  •             }   
  •             catch (IOException e)   
  •             {   
  •                 e.printStackTrace();   
  •             }   
  •         }   
  •     }   
  •       
  • }  public class ConvertPdf
    {
            private static String INPUT_PATH;
            private static String PROJECT_PATH;
           
            public static void convertToHtml(String file, String project)
            {
                    INPUT_PATH = file;
                    PROJECT_PATH = project;
                    if(checkContentType()==0)
                    {
                            toHtml();
                    }
            }
           
            private static int checkContentType()
            {
                    String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())
                                    .toLowerCase();
                    if (type.equals("pdf"))
                            return 0;
                    else
                            return 9;
            }
           
            private static void toHtml()
            {
                    if(new File(INPUT_PATH).isFile())
                    {
                            try
                            {
                                    String cmd = "cmd /c start X:\\pdftohtml.bat \"" + PROJECT_PATH + "\" \"" + INPUT_PATH + "\"";
                                    Runtime.getRuntime().exec(cmd);
                            }
                            catch (IOException e)
                            {
                                    e.printStackTrace();
                            }
                    }
            }
           
    }
    String cmd = "....";此处代码是调用创建的bat文件进行转换

    8) 测试转换


    Java代码

  • public static void main(String[] args)   
  • {   
  •     ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");   
  • }  public static void main(String[] args)
    {
            ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");
    }


    以上就是整理的内容，后续还会添加视频转换为FLV格式，如果需要的话:)
    说的不是很详细，碰到问题的朋友可以自己努力解决一下:)


    本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/29641/showart_1885749.html

    • 评分

    参与人数 1可用积分 +2 收起 理由
    starxing + 2 我很赞同

    查看全部评分

    z141002

    论坛徽章:
    0
    2楼 [报告]
    发表于 2014-10-02 19:55 |只看该作者
    pdf转word软件http://www.onlinedown.net/soft/107659.htm
    实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
    返回列表 发新帖
    高级模式
    B Color Image Link Quote Code Smilies
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则 发表回复

      

    北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号：11010802020122 niuxiaotong@pcpop.com 17352615567
    未成年举报专区
    中国互联网协会会员  联系我们：huangweiwei@itpub.net
    感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

    清除 Cookies - ChinaUnix - Archiver - WAP - TOP