java将Word/Excel/PDF文件转换成HTML整理

java将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：

1

public
class JacobUtil  

2





{  

3

   
public
static final
int WORD_HTML
= 8;  

4

 

5

   
public
static final
int WORD_TXT
= 7;  

6

 

7

   
public
static final
int EXCEL_HTML
= 44;  

8

 

9



   
/** *//** 

10

     * WORD转HTML 

11

     *
@param docfile WORD文件全路径 

12

     *
@param htmlfile 转换后HTML存放路径 

13

    
*/ 
14

   
public
static void wordToHtml(String docfile, String htmlfile)  

15



   


{  

16

        ActiveXComponent app
= new ActiveXComponent("Word.Application");
// 启动word  

17

       
try 
18



       


{  

19

            app.setProperty("Visible",
new Variant(false));  

20

            Dispatch docs
= app.getProperty("Documents").toDispatch();  

21

            Dispatch doc
= Dispatch.invoke(  

22

                    docs,  

23

                   
"Open",  

24

                    Dispatch.Method,  

25



                   
new Object[]


{
docfile, new Variant(false),  

26

                           
new Variant(true) },
new int[1]).toDispatch();  

27



           
Dispatch.invoke(doc, "SaveAs", Dispatch.Method,
new Object[]


{  

28

                    htmlfile,
new Variant(WORD_HTML) },
new int[1]);  

29

            Variant f
= new Variant(false);  

30

            Dispatch.call(doc,
"Close", f);  

31

        }  

32

       
catch (Exception e)  

33



       


{  

34

            e.printStackTrace();  

35

        }  

36

       
finally 
37



       


{  

38



           
app.invoke("Quit",
new Variant[]


{});  

39

        }  

40

    }  

41

 

42



   
/** *//** 

43

     * EXCEL转HTML 

44

     *
@param xlsfile EXCEL文件全路径 

45

     *
@param htmlfile 转换后HTML存放路径 

46

    
*/ 
47

   
public
static void excelToHtml(String xlsfile, String htmlfile)  

48



   


{  

49

        ActiveXComponent app
= new ActiveXComponent("Excel.Application");
// 启动word  

50

       
try 
51



       


{  

52

            app.setProperty("Visible",
new Variant(false));  

53

            Dispatch excels
= app.getProperty("Workbooks").toDispatch();  

54

            Dispatch excel
= Dispatch.invoke(  

55

                    excels,  

56

                   
"Open",  

57

                    Dispatch.Method,  

58



                   
new Object[]


{
xlsfile, new Variant(false),  

59

                           
new Variant(true) },
new int[1]).toDispatch();  

60



           
Dispatch.invoke(excel, "SaveAs", Dispatch.Method,
new Object[]


{  

61

                    htmlfile,
new Variant(EXCEL_HTML) },
new int[1]);  

62

            Variant f
= new Variant(false);  

63

            Dispatch.call(excel,
"Close", f);  

64

        }  

65

       
catch (Exception e)  

66



       


{  

67

            e.printStackTrace();  

68

        }  

69

       
finally 
70



       


{  

71



           
app.invoke("Quit",
new Variant[]


{});  

72

        }  

73

    }  

74

 

75

} 

76


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 



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

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();  


            }  


        }  


    }  


      


}