Java关于word转pdf工具方法的几种解决方案和我遇到一些问题（html中转、jacob、Docx4j）

本文参考文章如下

java转pdf（html转为pdf）,解决中文乱码，标签不规范等问题

Java 使用 jacob 将 word 文档转换为 pdf 文件

java实现word生成并转pdf

docx4j word转pdf 中文宋体（中文正文）类型转换乱码

java实现html转pdf，支持中文，css以及中文换行

java项目实现html转pdf的需求（支持中文和CSS样式）

使用 flying-saucer-pdf 实现html转换pdf补充

1、优先学习这些大佬的文章，比我更加优秀，也更加详尽
2、同时因有感网上能查到的资料水准不齐，优秀文章难找，为了避免后来者重复造轮子，也为了提醒自己不断学习，特发此文以总结和整合
3、本人才疏学浅，加之做完需求后没有及时记录，因此只能尽力完成本文，如果各位读者在使用中出现问题或者能解决文中遇到的问题，欢迎回复和讨论

前段时间工作上有一个需求，要将生成的word文档转为pdf的形式，具体要求如下：

1、最好是能够跨系统运行(windows和linux)
2、尽可能少的额外配置且不能安装第三方软件
3、格式不能大乱，要尽可能还原

其实如果不要求跨系统的话很简单的，因此这一需求的难点其实在于跨系统的运行上，还好老大给了两天时间让我慢慢摸，经过一段时间的学(bai)习(du)，研(goo)究(gle)和探(stack)讨(overflow)，我根据需求整理出了以下思路并实现demo，这其中其中存在的问题我也会标明出来

1、poi直接转（复杂格式下极度混乱，放弃）
2、html中转（文档整体位移）
3、aspose（正式版jar包收费，放弃）
4、jacob（不能跨平台，目前选用的解决方案之一）
5、Docx4j（空格丢失，目前选用的解决方案之一）

ps: 除此之外还有使用第三方软件的解决思路如libreoffice和openoffice，因为需求不允许就不多介绍了

ps2: 同时，如果只是个人学习使用的话我比较推荐aspose的试用版，使用方便，代码简单

html中转

这一思路主要是通过失败的方法1改出来的，方法1格式丢失过于严重，考虑到html对于格式保存较为完好，因此尝试通过html中转
使用saucer来转一定程度上比itext要舒服很多

踩到的坑：
1、当文档字体为“宋体(中文正文)”时，字体似乎是会被识别为Calibri而不是SimSun从而丢失，我尝试在html中进行强转但是没有效果，最终决定将word文件中的“宋体(中文正文)”全都强转为其他可识别字体解决问题
2、特别注意poi和xdocreport的版本，能看出这是比较老的版本了，因为在之后的版本（例如我们常用的poi 4.0）中，poi把xdocreport的类加载路径修改了，但是maven上xdocreport本身因为一直没有更新所以会出现加载失败的问题

**未解决的问题：**生成的pdf文档格式整体向一侧偏移，造成部分文字丢失

先上maven依赖

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>

<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-compress</artifactId>
<version>1.19</version>
</dependency>

<!--iText and flying saucer-->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-collections4</artifactId>
<version>4.2</version>
</dependency>

<dependency>
<groupId>org.apache.xmlbeans</groupId>
<artifactId>xmlbeans</artifactId>
<version>3.1.0</version>
</dependency>

<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itextpdf</artifactId>
<version>5.5.13</version>
</dependency>
<dependency>
<groupId>com.itextpdf.tool</groupId>
<artifactId>xmlworker</artifactId>
<version>5.5.13</version>
</dependency>
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itext-asian</artifactId>
<version>5.2.0</version>
</dependency>
<dependency>
<groupId>org.xhtmlrenderer</groupId>
<artifactId>flying-saucer-pdf</artifactId>
<version>9.0.3</version>
</dependency>

<!--poi-->
<dependency>
<groupId>xerces</groupId>
<artifactId>xercesImpl</artifactId>
<version>2.11.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.14</version>
</dependency>

<!--XWPF-->
<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>xdocreport</artifactId>
<version>2.0.2</version>
</dependency>

<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>fr.opensagres.xdocreport.document</artifactId>
<version>2.0.2</version>
</dependency>

<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>org.apache.poi.xwpf.converter.core</artifactId>
<version>1.0.6</version>
</dependency>

<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>org.apache.poi.xwpf.converter.pdf</artifactId>
<version>1.0.6</version>
</dependency>

<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>org.apache.poi.xwpf.converter.xhtml</artifactId>
<version>1.0.6</version>
</dependency>

然后是主要功能代码部分

/**
* docx格式word转换为html
*
* @param fileName
*            docx文件路径
* @param outPutFile
*            html输出文件路径
* @param imagePath
*            图片路径
* @throws TransformerException
* @throws IOException
* @throws ParserConfigurationException
*/
public static void docx2Html(String fileName, String outPutFile,String imagePath) throws TransformerException, IOException, ParserConfigurationException {
String fileOutName = outPutFile;
long startTime = System.currentTimeMillis();
XWPFDocument document = new XWPFDocument(new FileInputStream(fileName));
List<XWPFParagraph> paragraphs = document.getParagraphs();
//1、强转中文格式类型，解决中文消失问题
for (XWPFParagraph paragraph:paragraphs) {
List<XWPFRun> runs = paragraph.getRuns();
for (XWPFRun run:runs) {
if(run.getFontFamily()=="Calibri")
{
run.setFontFamily("SimHei");
}
run.setFontFamily("SimSun", XWPFRun.FontCharRange.ascii);
}
}
XHTMLOptions options = XHTMLOptions.create().indent(4);
// 导出图片
File imageFolder = new File(imagePath);
options.setExtractor(new FileImageExtractor(imageFolder));
// URI resolver
options.URIResolver(new FileURIResolver(imageFolder));
File outFile = new File(fileOutName);
outFile.getParentFile().mkdirs();
OutputStreamWriter outputStreamWriter = new OutputStreamWriter(new FileOutputStream(outFile), StandardCharsets.UTF_8);
XHTMLConverter xhtmlConverter = (XHTMLConverter) XHTMLConverter.getInstance();
xhtmlConverter.convert(document, outputStreamWriter, options);
String html = FileUtil.readFileToString(fileOutName, "html");
OutputStreamWriter writer = new OutputStreamWriter(new FileOutputStream(new File(fileOutName)), StandardCharsets.UTF_8);
//2、添加标准html头部，解决中文乱码问题
html="<!DOCTYPE html PUBLIC \"-//W3C//DTD XHTML 1.0 Transitional//EN\" \"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd\">"+html;
int i = html.indexOf("<head>");
StringBuffer buffer = new StringBuffer(html);
html=buffer.insert(i+6,"<style type=\"text/css\">\n" +
"    *\n" +
"    {\n" +
"        padding-left: 20pt;\n" +
"        padding-right: -20pt;\n" +
"    }\n" +
"</style>").toString();
writer.write(html);
writer.flush();
writer.close();
System.out.println("Generate " + fileOutName + " with " + (System.currentTimeMillis() - startTime) + " ms.");
}
/**
* docx格式word转换为html
*
* @param html
*            html文件
* @param pdfName
*            pdf文件名
* @param fontDir
*            指定字体文件夹路径
* @Param pdfDestPath
* 			  pdf输出路径
*/

public static void html2pdf(String html, String pdfName, String fontDir,String pdfDestPath) {
try {
ByteArrayOutputStream os = new ByteArrayOutputStream();
ITextRenderer renderer = new ITextRenderer();
ITextFontResolver fontResolver = (ITextFontResolver) renderer.getSharedContext().getFontResolver();
//遍历添加中文字体库
File f = new File(fontDir);
if (f.isDirectory()) {
File[] files = f.listFiles((dir, name) -> {
String lower = name.toLowerCase();
return lower.endsWith(".otf") || lower.endsWith(".ttf") || lower.endsWith(".ttc");
});
for (int i = 0; i < files.length; i++) {
fontResolver.addFont(files[i].getAbsolutePath(), BaseFont.IDENTITY_H, BaseFont.NOT_EMBEDDED);
}
}
//添加字体库结束
renderer.setDocumentFromString(html);
renderer.layout();
renderer.createPDF(os);
renderer.finishPDF();
byte[] buff = os.toByteArray();
//保存到磁盘上
FileUtil.byte2File(buff,pdfDestPath,pdfName);
} catch (Exception e) {
e.printStackTrace();
}
}

使用Jacob

这是不考虑跨平台的情况下的解决方案，不论是从配置复杂程度还是从转换的完成度来说都是极好的，几乎没有问题（实际上就是在调用本地office的另存为功能吧）
缺陷
1、不能跨平台
2、要求windows上有office和SaveAsPdf插件
3、需要把jacob的dll文件存放到本地的jre/bin中，一定程度上造成污染

链接：https://pan.baidu.com/s/1eBCOnYkem2XdwXI8d_A7_g
提取码：813q

先上maven依赖

<dependency>
<groupId>com.hynnet</groupId>
<artifactId>jacob</artifactId>
<version>1.18</version>
</dependency>

再来主要功能代码

private static final int wdFormatPDF = 17; // PDF 格式

public static void word2PDF(String sfileName, String toFileName) {
System.out.println("启动 Word...");
long start = System.currentTimeMillis();
ActiveXComponent app = null;
Dispatch doc = null;
try {
app = new ActiveXComponent("Word.Application");
app.setProperty("Visible", new Variant(false));
Dispatch docs = app.getProperty("Documents").toDispatch();
doc = Dispatch.call(docs, "Open", sfileName).toDispatch();
System.out.println("打开文档..." + sfileName);
System.out.println("转换文档到 PDF..." + toFileName);
File tofile = new File(toFileName);
if (tofile.exists()) {
tofile.delete();
}
Dispatch.call(doc, "SaveAs", toFileName, // FileName
wdFormatPDF);
long end = System.currentTimeMillis();
System.out.println("转换完成..用时：" + (end - start) + "ms.");
} catch (Exception e) {
System.out.println("========Error:转换失败：" + e.getMessage());
} finally {
Dispatch.call(doc, "Close", false);
System.out.println("关闭文档");
if (app != null)
app.invoke("Quit", new Variant[]{});
}
// 如果没有这句话,winword.exe进程将不会关闭
ComThread.Release();
}

使用Docx4j

算是一个比较完善的方案了，没有额外的配置需要添加，也不需要安装什么插件，只要maven导包即可，且支持跨平台操作，转换完善程度尚可

踩到的坑：
1、根据项目不同可能会存在依赖冲突，需要检查maven依赖树解决
2、还是会有中文乱码问题，需要导入中文库，最好是强转一下字体(如方案2中的“宋体（中文正文）这里也会变成乱码”)
3、linux上要求你先有安装中文库才能做字体映射

未解决的问题： 空格丢失，格式略微有点乱

先来maven依赖

<!---->
<!--doc4j-->
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itextpdf</artifactId>
<version>5.4.3</version>
</dependency>
<dependency>
<groupId>org.docx4j</groupId>
<artifactId>docx4j</artifactId>
<version>6.1.2</version>
</dependency>
<dependency>
<groupId>org.docx4j</groupId>
<artifactId>docx4j-export-fo</artifactId>
<version>6.0.0</version>
</dependency>

<!--poi-->
<dependency>
<groupId>xerces</groupId>
<artifactId>xercesImpl</artifactId>
<version>2.11.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>4.0.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>4.0.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>4.0.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>4.0.0</version>
</dependency>

主要功能代码

**
* word（docx）转pdf
*
* @param wordPath docx文件路径
* @param pdfOutPath 文件输出路径
*/
public static void convertDocx2Pdf(String wordPath, String pdfOutPath) throws IOException {
long startTime = System.currentTimeMillis();
OutputStream os = null;
InputStream is = null;
FileInputStream fis = null;
FileOutputStream fos = null;
try {
fis = new FileInputStream(wordPath);
XWPFDocument document = new XWPFDocument(fis);
List<XWPFParagraph> paragraphs = document.getParagraphs();
for (XWPFParagraph paragraph : paragraphs) {
List<XWPFRun> runs = paragraph.getRuns();
for (XWPFRun run : runs) {
run.setFontFamily("宋体");
}
}
fos = new FileOutputStream(wordPath);
document.write(fos);
} catch (IOException e) {
e.printStackTrace();
} finally {
if (fis != null) {
fis.close();
}
if (fos != null) {
fos.flush();
fos.close();
}
}
try {
is = new FileInputStream(new File(wordPath));
WordprocessingMLPackage mlPackage = WordprocessingMLPackage.load(is);
Mapper fontMapper = new IdentityPlusMapper();
fontMapper.put("隶书", PhysicalFonts.get("LiSu"));
fontMapper.put("宋体", PhysicalFonts.get("SimSun"));
fontMapper.put("微软雅黑", PhysicalFonts.get("Microsoft Yahei"));
fontMapper.put("黑体", PhysicalFonts.get("SimHei"));
fontMapper.put("楷体", PhysicalFonts.get("KaiTi"));
fontMapper.put("新宋体", PhysicalFonts.get("NSimSun"));
fontMapper.put("华文行楷", PhysicalFonts.get("STXingkai"));
fontMapper.put("华文仿宋", PhysicalFonts.get("STFangsong"));
fontMapper.put("宋体扩展", PhysicalFonts.get("simsun-extB"));
fontMapper.put("仿宋", PhysicalFonts.get("FangSong"));
fontMapper.put("仿宋_GB2312", PhysicalFonts.get("FangSong_GB2312"));
fontMapper.put("幼圆", PhysicalFonts.get("YouYuan"));
fontMapper.put("华文宋体", PhysicalFonts.get("STSong"));
fontMapper.put("华文中宋", PhysicalFonts.get("STZhongsong"));
mlPackage.setFontMapper(fontMapper);
os = new java.io.FileOutputStream(pdfOutPath);
//docx4j  docx转pdf
FOSettings foSettings = Docx4J.createFOSettings();
foSettings.setWmlPackage(mlPackage);
Docx4J.toFO(foSettings, os, Docx4J.FLAG_EXPORT_PREFER_XSL);
is.close();//关闭输入流
os.close();//关闭输出流
//输出
System.out.println("转换完成" + (System.currentTimeMillis() - startTime) + " ms.");
} catch (Exception e) {
e.printStackTrace();
try {
if (is != null) {
is.close();
}
if (os != null) {
os.close();
}
} catch (Exception ex) {
ex.printStackTrace();
}
} finally {
File file = new File(wordPath);
if (file != null && file.isFile() && file.exists()) {
file.delete();
}
}
}

• 点赞 1
• 收藏
• 分享
• 文章举报