java通过jacob来读取word转换为htm格式

转自：http://blog.csdn.net/chinapi_hzh/article/details/5798689

因为微软没有公开word源代码，所以直接用java流来读取word的后果是读出来的全是乱码。所以必须通过jacob这个中间桥 。当然也可用poi来读取。
     先说用poi读取的方法吧。用poi读取的话，先要下载tm-extractors-0.4.jar百度一下可以找到。代码如下：

 import java.io.FileInputStream;

 try {
             FileInputStream fileinputstream = new FileInputStream(filepath);
             WordExtractor extractor = new WordExtractor();
             temp = extractor.extractText(fileinputstream);
             System.out.println(temp + "==temp");
             fileinputstream.close();
         } catch (Exception ex) {
             System.out.println("FileNotFoundException error" + ex.getMessage());
         }

filepath为word文档路径，返回一个temp字符串。这样读出来的不是乱码了，但是效果并不如意。因为把word格式给丢掉了。
再说用jacob. 先到官方网站上去下载：http://sourceforge.net/project/showfiles.php?group_id=109543&package_id=118368 jacob.zip.    下载之后解压，把jacob.jar放到项目/web-inf/lib下面。把jacob .dll放到c:/windos/system32/以及java/jdk*.*/jre/bin下面。这样就算是配置完成了。说代码：

 import com.jacob.activeX.ActiveXComponent;
 import com.jacob.com.Dispatch;
 import com.jacob.com.Variant;
 public boolean ChageFormat (String FolderPath,String FileName){
      String FileFormat = "";
      System.out.println(FolderPath);
      FileFormat = FileName.substring(FileName.length()-4,FileName.length());
      System.out.println(FileFormat);
      if(FileFormat.equalsIgnoreCase(".doc"))
      {
          String DocFile = FolderPath +"//"+ FileName;
          System.out.println("word文件路径："+DocFile);
          //word文件的完整路径
          String HtmlFile = DocFile.substring(0, (DocFile.length() - 4)) + ".htm";
          System.out.println("htm文件路径："+HtmlFile);
          //html文件的完整路径
          ActiveXComponent app = new ActiveXComponent("Word.Application");
          //启动word
          try
          {
            app.setProperty("Visible", new Variant(false));
            //设置word程序非可视化运行
            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();
            //打开word文件
            Dispatch.invoke(doc,"SaveAs",Dispatch.Method, new Object[]{HtmlFile,new Variant(8)}, new int[1]);
            //作为htm格式保存文件
            Dispatch.call(doc, "Close",new Variant(false));
            //关闭文件
          }
          catch (Exception e)
          {
            e.printStackTrace();
          }
          finally
          {
            app.invoke("Quit", new Variant[] {});
            //退出word程序
          }
          //转化完毕
          return true;
      }
      return false;
    }

FolderPath为word存放路径。FileName为word名称。通过这个方法就把word文件转成的htm文件。这时候就可以用流来读取htm文件了，读出来的既不是乱码。并且带有格式。
另外要强调的是jacob这个组件和jdk,以及windows版本都有关系。所以版本一定要匹配。否则会报错。版本的问题就要挨个去试了。没有捷径可走。