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();  
            }  
        }  
    }  
      
}