Word/Excel/PDF文件转换成HTML整理

from  http://www.iteye.com/topic/333676
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 
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.} 
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 
1.#----- begin Chinese Simplified support package  
2.cidToUnicode    Adobe-GB1       xpdf-chinese-simplified\Adobe-GB1.cidToUnicode  
3.unicodeMap      ISO-2022-CN     xpdf-chinese-simplified\ISO-2022-CN.unicodeMap  
4.unicodeMap      EUC-CN          xpdf-chinese-simplified\EUC-CN.unicodeMap  
5.unicodeMap  GBK    xpdf-chinese-simplified\GBK.unicodeMap  
6.cMapDir         Adobe-GB1       xpdf-chinese-simplified\CMap  
7.toUnicodeDir                    xpdf-chinese-simplified\CMap  
8.fontDir  C:\WINDOWS\Fonts  
9.displayCIDFontTT Adobe-GB1 C:\WINDOWS\Fonts\simhei.ttf  
10.#----- 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 
1.@echo off  
2.set folderPath=%1 
3.set filePath=%2 
4.cd /d %folderPath%  
5.pdftohtml -enc GBK %filePath%  
6.exit 
@echo off
set folderPath=%1
set filePath=%2
cd /d %folderPath%
pdftohtml -enc GBK %filePath%
exit

7) 创建类



Java代码 
1.public class ConvertPdf  
2.{  
3.    private static String INPUT_PATH;  
4.    private static String PROJECT_PATH;  
5.      
6.    public static void convertToHtml(String file, String project)  
7.    {  
8.        INPUT_PATH = file;  
9.        PROJECT_PATH = project;  
10.        if(checkContentType()==0)  
11.        {  
12.            toHtml();  
13.        }  
14.    }  
15.      
16.    private static int checkContentType()  
17.    {  
18.        String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())  
19.                .toLowerCase();  
20.        if (type.equals("pdf"))  
21.            return 0;  
22.        else 
23.            return 9;  
24.    }  
25.      
26.    private static void toHtml()  
27.    {  
28.        if(new File(INPUT_PATH).isFile())  
29.        {  
30.            try 
31.            {  
32.                String cmd = "cmd /c start X:\\pdftohtml.bat \"" + PROJECT_PATH + "\" \"" + INPUT_PATH + "\"";  
33.                Runtime.getRuntime().exec(cmd);  
34.            }  
35.            catch (IOException e)  
36.            {  
37.                e.printStackTrace();  
38.            }  
39.        }  
40.    }  
41.      
42.} 
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 
1.public static void main(String[] args)  
2.{  
3.    ConvertPdf.convertToHtml("C:\\test.pdf", "X:\\xpdf");  
4.} 
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:)