Word/Excel/PDF文件转换成HTML整理

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:)

jacob_1.9.zip (66.9 KB)
下载次数: 141

评论

1 楼 漫步青云fsq 2010-08-30  

我按照你的方法测试了，没有出来结果，请问：转换成html文件的信息在哪里（路径）