基于openoffice实现html、doc互换.docx

为什么会想起来将上传的word文档转换成html格式呢？设想，如果一个系统需要发布在页面的文章都是来自word文档，一般会执行下面的流程：使用word打开文档，Ctrl+A，进入发布文章页面，Ctrl+V。看起来也不麻烦，但是，如果文档中包含大量图片呢？尴尬的事是图片都需要重新上传吧？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，/index.htmlSo easy.2、下载Jodconverter /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)OpenO 3programsoffice -headless -accept=socket,port=8100;urp;5、打开eclipse6、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 .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 =newOpenOfficeDocumentConverter(con);/转换文档问htmlconverter.convert(docFile, htmlFile);/关闭openoffice连接con.disconnect();returnhtmlFile;/* 将word转换成html文件，并且获取html文件代码。*paramdocFile* 需要转换的文档*paramfilepath* 文档中图片的保存位置*return转换成功的html代码*/publicstaticString toHtmlString(File docFile, String filepath) /转换word文档File htmlFile = convert(docFile, filepath);/获取html文件流StringBuffer htmlSb =newStringBuffer();tryBufferedReader br =newBufferedReader(newInputStreamReader(newFileInputStream(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returnclearFormat(htmlStr, filepath);/* 清除一些不需要的html标记*paramhtmlStr* 带有复杂html标记的html语句*return去除了不需要html标记的语句*/protectedstaticString clearFormat(String htmlStr, String docImgPath) /获取body内容的正则String bodyReg = BODY .*;Pattern bodyPattern = Ppile(bodyReg);Matcher bodyMatcher = bodyPattern.matcher(htmlStr);if(bodyMatcher.find() /获取BODY内容，并转化BODY标签为DIVhtmlStr = bodyMatcher.group().replaceFirst(BODY, DIV).replaceAll(, );/调整图片地址htmlStr = htmlStr.replaceAll(IMG SRC=, IMG SRC= + docImgPath+ /);/把转换成保留样式/content = content.replaceAll(*.*?)(),/div$2);/把转换成并删除样式htmlStr = htmlStr.replaceAll(*)(.*?)(), p$3);/删除