java word to html_java OpenOffice把word转html（Convert word to html

http://dangry.iteye.com/blog/858787

3. 工程中导入JODConverter中的jar包(jodconverter-2.2.2\lib)

* commons-io

* jodconverter

* juh

* jurt

* ridl

* slf4j-api

* slf4j-jdk14

* unoil

* xstream

Java代码

import java.io.File;

import java.net.ConnectException;

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;

public class OfficeConverter {

public static void main(String[] args) {

File inputFile = new File("C:/test/yy.doc");

File outputFile = new File("C:/test/yy.html");

OpenOfficeConnection con = new SocketOpenOfficeConnection(8100);

try {

con.connect();

} catch (ConnectException e) {

System.err.println("文件转换出错，请检查OpenOffice服务是否启动。");

e.printStackTrace();

}

DocumentConverter converter = new OpenOfficeDocumentConverter(con);

converter.convert(inputFile, outputFile);

con.disconnect();

}

}

4. 测试之前先启动OpenOffice服务

C:\Program Files\OpenOffice.org 3\program>soffice -headless -accept="socket,port=8100;urp;"

总结：使用OpenOffice作为转换引擎把word文档转换成html，比起使用微软的com组件有跨平台的优势，而且比Apache poi(POI貌似只能获取word中的文本内容，图片和表格，图片和表格的定位很是个问题，获取样式要一个字符一个字符的分析麻烦且效率低下)方便且简单，但是个人觉得开启Openoffice服务占用系统资源太多。

ps：word转换成html后会有很多冗余的word格式，严重影响了页面的加载，您一定很想把它们给清除掉，留下干净清爽的html代码。那请您参考我的下一篇文章去掉word冗余格式 java正则表达式 http://dangry.iteye.com/blog/858821