百度文库的实现——java利用openoffice，批量word转pdf

　百度文库的主要功能就是将上传的word文档，转码成pdf格式再展示出来。其中有四种方法可以实现这样的操作：

方法一：用apache pio 读取doc文件，然后转成html文件用Jsoup格式化html文件，最后用itext将html文件转成pdf。

方法2：使用jdoctopdf来实现，这是一个封装好的包，可以把doc转换成pdf，html，xml等格式，调用很方便
需要注意中文字体的写入问题。

方法3：使用jodconverter来调用openOffice的服务来转换，openOffice有个各个平台的版本，所以这种方法跟方法1一样都是跨平台的。
安装完后要启动openOffice的服务，具体启动方法请自行google

方法4：效果最好的一种方法，但是需要window环境，而且速度是最慢的需要安装msofficeWord以及SaveAsPDFandXPS.exe(word的一个插件，用来把word转化为pdf)
Office版本是2007，因为SaveAsPDFandXPS是微软为office2007及以上版本开发的插件

这里我们采用第三种方法，因为其跨平台的属性和简单方便的操作。

windows下：1.首先下载window版本的openoffice进行安装，并首次启动。
2.这里我们不做配置，因为在代码中我们调用命令对openoffice进行启动并实时关闭，这样对占用内存的解决是一个很好的方案，如果转码不是常用功能的话。
3.下载jodconverter，将lib文件夹下所有的jar包导入

Linux下：

1.首先安装openoffice for linux，可以去官网下载也可以用命令。
命令下载：
　　　 wget http://sourceforge.net/projects/openofficeorg.mirror/files/4.1.1/binaries/zh-CN/Apache_OpenOffice_4.1.1_Linux_x86-64_install-rpm_zh-CN.tar.gz
      tar -xzvf Apache_OpenOffice_4.1.1_Linux_x86-64_install-rpm_zh-CN.tar.gz
      cd zh-CN
      cd RPMS
      rpm -ivh *.rpm
2.在linux中也同样可以调用命令启动，不过告诉大家的是，可以设置为开机启动或随tomcat启动，以便转码程序启动频繁。

 以下批量纯属测试使用，正常项目采用mq队列。

package wordtopdf;

import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;

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 topdftest {
    private static int depth=1;

    public static void main(String[] args) throws IOException {
        //office2PDF("D:\\资源管理\\11","D:\\资源管理\\11");
        find("D:\\资源管理\\11",depth);
    }
    /**
     * 将Office文档转换为PDF. 运行该函数需要用到OpenOffice, OpenOffice下载地址为
     * http://www.openoffice.org/
     *
     * <pre>
     * 方法示例:
     * String sourcePath = "F:\\office\\source.doc";
     * String destFile = "F:\\pdf\\dest.pdf";
     * Converter.office2PDF(sourcePath, destFile);
     * </pre>
     *
     * @param sourceFile
     *            源文件, 绝对路径. 可以是Office2003-2007全部格式的文档, Office2010的没测试. 包括.doc,
     *            .docx, .xls, .xlsx, .ppt, .pptx等. 示例: F:\\office\\source.doc
     * @param destFile
     *            目标文件. 绝对路径. 示例: F:\\pdf\\dest.pdf
     * @return 操作成功与否的提示信息. 如果返回 -1, 表示找不到源文件, 或url.properties配置错误; 如果返回 0,
     *         则表示操作成功; 返回1, 则表示转换失败
     */
    public static int office2PDF(String sourceFile, String destFile) {
        try {
            File inputFile = new File(sourceFile);
            if (!inputFile.exists()) {
                return -1;// 找不到源文件, 则返回-1
            }  

            // 如果目标路径不存在, 则新建该路径
            File outputFile = new File(destFile);
            if (!outputFile.getParentFile().exists()) {
                outputFile.getParentFile().mkdirs();
            }  

            String OpenOffice_HOME = "C:\\Program Files (x86)\\OpenOffice 4";//这里是OpenOffice的安装目录, 在我的项目中,为了便于拓展接口,没有直接写成这个样子,但是这样是绝对没问题的
            // 如果从文件中读取的URL地址最后一个字符不是 '\'，则添加'\'
            if (OpenOffice_HOME.charAt(OpenOffice_HOME.length() - 1) != '\\') {
                OpenOffice_HOME += "\\";
            }
            // 启动OpenOffice的服务
            String command = OpenOffice_HOME
                    + "program\\soffice.exe -headless -accept=\"socket,host=127.0.0.1,port=8100;urp;\"";
            Process pro = Runtime.getRuntime().exec(command);
            // connect to an OpenOffice.org instance running on port 8100
            OpenOfficeConnection connection = new SocketOpenOfficeConnection("127.0.0.1", 8100);
            connection.connect();  

            // convert
            DocumentConverter converter = new OpenOfficeDocumentConverter(connection);
            converter.convert(inputFile, outputFile);  

            // close the connection
            connection.disconnect();
            // 关闭OpenOffice服务的进程
            pro.destroy();  

            return 0;
        } catch (FileNotFoundException e) {
            e.printStackTrace();
            return -1;
        } catch (IOException e) {
            e.printStackTrace();
        }  

        return 1;
    }  

    public static void find(String pathName,int depth) throws IOException{
        int filecount=0;
        //获取pathName的File对象
        File dirFile = new File(pathName);
        //判断该文件或目录是否存在，不存在时在控制台输出提醒
        if (!dirFile.exists()) {
            System.out.println("do not exit");
            return ;
        }
        //判断如果不是一个目录，就判断是不是一个文件，时文件则输出文件路径
        if (!dirFile.isDirectory()) {
            if (dirFile.isFile()) {
                System.out.println(dirFile.getCanonicalFile());
                int end = String.valueOf(dirFile.getCanonicalFile()).lastIndexOf(".");
                office2PDF(String.valueOf(dirFile.getCanonicalFile()),String.valueOf(dirFile.getCanonicalFile()).substring(0,end)+".pdf");
            }
            return ;
        }
        //获取此目录下的所有文件名与目录名
        String[] fileList = dirFile.list();
        int currentDepth=depth+1;
        for (int i = 0; i < fileList.length; i++) {
            //遍历文件目录
            String string = fileList[i];
            //File("documentName","fileName")是File的另一个构造器
            File file = new File(dirFile.getPath(),string);
            String name = file.getName();
            //如果是一个目录，搜索深度depth++，输出目录名后，进行递归
            if (file.isDirectory()) {
                //递归
                find(file.getCanonicalPath(),currentDepth);
            }else{
                int end = file.getPath().lastIndexOf(".");
                office2PDF(file.getPath(),file.getPath().substring(0,end)+".pdf");
            }
        }
    }
}