最新新开发的这个项目需要使用word文档并要求能在前端页面上带格式展示，由于项目不是内部使用，所以不考虑插件类的处理模式，都必须要本地处理完成，前端不需要做什么更新或者说安装就能直接访问，类似于百度文库这种。

  • 首先想到的是JSP能不能直接显示word文档呢?

然后找了很多资料，逛了很多论坛，发现很多人说可以，只要在处理的时候页面头上加上<%@page contentType="application/msword;charset=GBK" %> ，不知是我水平不够，还是有什么地方没有注意到，最终的结果都是提示下载或者是使用word打开，没有想象中的在jsp端直接显示的。

外面都是这种或类似这种意思：

<%@ page contentType="application/msword;charset=gb2312" %>

<%

    File f=new File("D:/Tomcat 5.5/webapps/neiwang/txt/telephone.doc");

    FileInputStream fin=new FileInputStream(f);

    OutputStream output=response.getOutputStream();

    byte[] buf=new byte[1024];

    int r=0;

    response.setContentType("application/msword;charset=GB2312");

    while((r=fin.read(buf,0,buf.length))!=-1)

    {

        output.write(buf,0,r);//response.getOutputStream()

     }

    fin.close();

    output.close();

%>

我做了一些尝试，发现根本无法显示，最终的结果都是提示下载。我想说的是，作为一个技术，发出来的解答首先你得自己能实现吧，不过帖子时间也比较久远了，可能当时确实是可以的或者说只是我不会而已，多说无益。既然这种办法处理不了，只能另寻他法。

  • 我换了个方法就是将 word 转换成 html ，再通过jsp来访问这个链接

这个是个比较传统的解决思路，搜一搜其实发现很多人都这么干，这批人难道也是对上述方法（jsp直接显示）失望了后找的这种模式？呵呵

比较常用的开源免费的有且只有几种，选择其中几种我尝试了一下。

首先想到的是POI，但处理 Word 没有想象的中的那样优秀，出来的基本一团糟，没有任何格式性可谈，而且需要一个字符一个字符的处理特别费力，结果不理想代码就不贴了，曾使用它来处理过 Excel 觉得还很优秀！

然后就另找了一个叫 OpenOffice，经过尝试发现经过它转换出来的文档，虽然缺失格式，但也不是不能接受，自己再另行加处理也许能成。将Word转Html的原理是这样的：

1、客户上传Word文档到服务器

2、服务器调用OpenOffice程序打开上传的Word文档

3、OpenOffice将Word文档另存为Html格式

基于这个基础上的实现需要下载 openOffice 。

1、下载 OpenOffice，http://download.openoffice.org/index.html

2、下载 Jodconverter，http://www.artofsolving.com/opensource/jodconverter  这是开启OpenOffice进行格式转化的第三方jar包。

3、安装 OpenOffice，成功后在安装目录下启动监听端口：

soffice -headless -accept="socket,port=8100;urp;"

可以通过 netstat –an|findstr “8100” 查看端口是否监听；如图

4、打开Eclipse新建项目，导入Jodconverter/lib 下面的 jar 。具体的需要哪些自己可以尝试。我比较懒就都添加了。

下面是代码:

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();

    }

}

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，但是个人觉得这个结果其实并不理想，排版仍然缺失很严重。

普通情况下的排版差别见下图:

通过程序读取解析后的文档格式如下图，经过对比貌似比 word 自身的另存为还好看点，相信经过不断优化以后应该能完美支持解析。但是细心点还是会看见单元格样式变了，排版变了，如果要求不是太高，这个也能满足需求了。

不过如果只需要保存相关的文字的话，上面转化的html内容冗余比较多，可以用 java 正则表达式来处理多余字符串，详见下面的代码：

protected static String clearFormat(String htmlStr, String docImgPath) {

        // 获取body内容的正则

        String bodyReg = "<BODY .*</BODY>";

        Pattern bodyPattern = Pattern.compile(bodyReg);

        Matcher bodyMatcher = bodyPattern.matcher(htmlStr);

        if (bodyMatcher.find()) {

            // 获取BODY内容，并转化BODY标签为DIV

            htmlStr = bodyMatcher.group().replaceFirst("<BODY", "<DIV").replaceAll("</BODY>", "</DIV>");

        }

        // 调整图片地址

        htmlStr = htmlStr.replaceAll("<IMG SRC=\"", "<IMG SRC=\"" + docImgPath + "/");

        // 把<P></P>转换成</div></div>保留样式

        htmlStr = htmlStr.replaceAll("(<P)([^>]*>.*?)(<\\/P>)", "<div$2</div>");

        // 把<P></P>转换成</div></div>并删除样式

        htmlStr = htmlStr.replaceAll("(<P)([^>]*)(>.*?)(<\\/P>)", "<p$3</p>");

        // 删除不需要的标签

        htmlStr = htmlStr

                .replaceAll("<[/]?(font|FONT|span|SPAN|xml|XML|del|DEL|ins|INS|meta|META|[ovwxpOVWXP]:\\w+)[^>]*?>","");

        // 删除不需要的属性

        htmlStr = htmlStr

                .replaceAll("<([^>]*)(?:lang|LANG|class|CLASS|style|STYLE|size|SIZE|face|FACE|[ovwxpOVWXP]:\\w+)=(?:'[^']*'|\"\"[^\"\"]*\"\"|[^>]+)([^>]*)>","<$1$2>");

        // 删除<STYLE TYPE="text/css"></STYLE>及之间的内容

        int styleBegin = htmlStr.indexOf("<STYLE");

        int styleEnd = htmlStr.indexOf("</STYLE>") + 8;

        String style = htmlStr.substring(styleBegin, styleEnd);

        htmlStr = htmlStr.replace(style, "");

        return htmlStr;

    }

这个OpenOffice基本使用就介绍完了,自己如果有更多需求的话可以去查查资料看怎么更完善，谢谢分享。

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

Java 处理word文档后在前端展示的更多相关文章

  1. 使用Java生成word文档（附源码）

    当我们使用Java生成word文档时,通常首先会想到iText和POI,这是因为我们习惯了使用这两种方法操作Excel,自然而然的也想使用这种生成word文档.但是当我们需要动态生成word时,通常不 ...

  2. (转）WEB页面导出为Word文档后分页&横向打印的方法

    <html>    <HEAD>        <title>WEB页面导出为Word文档后分页&横向打印的方法 </title>    < ...

  3. 解决图片插入word文档后清晰度降低的问题

    解决图片插入word文档后清晰度降低的问题 在默认情况下,word程序会自动压缩插入word文档中的图片以减小整个word文档的.当我们需要插入word文档中的图片保持原始清晰度时,可以通过设置wor ...

  4. poi读写word模板 / java生成word文档

    有一word文档表格 形如: 姓名 ${name} 电话 ${tel} 从数据库读取记录替换上述变量 import java.io.FileOutputStream; import java.util ...

  5. Java解析word文档

    背景 在互联网教育行业,做内容相关的项目经常碰到的一个问题就是如何解析word文档. 因为系统如果无法智能的解析word,那么就只能通过其他方式手动录入word内容,效率低下,而且人工成本和录入出错率 ...

  6. JAVA生成Word文档(经过测试)

    首先告诉大家这篇文章的原始出处:http://www.havenliu.com/java/514.html/comment-page-1#comment-756 我也是根据他所描述完成的,但是有一些地 ...

  7. java 处理word文档 （含图片，表格内容）

    因为本人长期从事Oa相关项目的开发,所以处理word文档,Pdf,Excel等是在所难免的. 1.需求      处理Excel 能够用jxl        或者poi 2需求     用户在系统上填 ...

  8. Java 在 Word 文档中使用新文本替换指定文本

    创作一份文案,经常会高频率地使用某些词汇,如地名.人名.人物职位等,若表述有误,就需要整体撤换.文本将介绍如何使用Spire.Doc for Java,在Java程序中对Word文档中的指定文本进行替 ...

  9. 使用Aspose.word (Java) 填充word文档数据（包含图片填充）

    Aspose填充word数据 本文介绍了如何使用aspose进行word文档的生成,并提供了工具类供参考. 有问题欢迎 call 微信:905369866,小弟尽力而为..毕竟这玩意没吃透. 目录 A ...

随机推荐

  1. pymysql连接数据库报错：'NoneType' object has no attribute 'encoding'

    直接写 utf8 即可.

  2. MySQL中0、'0'作为条件时的区别

    一.现象: 今天查询时,某字段x为varchar 可能的值为A B C 0 1 2 3 4 想把0 1 2 3 4的所有数据查出,使用的SQL为 select * from table where x ...

  3. 友金所招聘Java工程师面试题

    友金所是一家位于深圳南山科技园的P2P网贷公司,用友集团控股.该公司采用渐进式的问答面试,没有笔试题.比如面试者说熟悉多线程,面试官就问哪些方式解决并发:面试者说采用Synchronized或者Ree ...

  4. CentOS系统/tmp目录里面的文件默认保留多久

    一.CentOS系统/tmp目录里面的文件默认保留多久 CentOS6默认保留30天,CentOS7默认保留10天 一.CentOS7系统/tmp目录里面的文件默认保留多久 CentOS7默认保留10 ...

  5. IO多路复用之select，poll，epoll个人理解

    在看这三个东西之前,先从宏观的角度去看一下,他们的上一个范畴(阻塞IO和非阻塞IO和IO多路复用) 阻塞IO:套接口阻塞(connect的过程是阻塞的).套接口都是阻塞的. 应用程序进程-----re ...

  6. springboot引入AOP

    AOP是Aspect Oriented Programming的缩写,意为面向切面编程.通过预编译方式和运行期动态代理实现程序功能的统一维护的一种技术.AOP是spring框架的一个重要内容,她通过对 ...

  7. 重谈react优势——react技术栈回顾

    react刚刚推出的时候,讲react优势搜索结果是几十页. 现在,react已经慢慢退火,该用用react技术栈的已经使用上,填过多少坑,加过多少班,血泪控诉也不下千文. 今天,再谈一遍react优 ...

  8. Vue学习4：class与style绑定

    说明:有些部分我只是相当于做一个学习笔记,加强记忆之用.所以可能阅读性不是那么强.如果有参考我这类博客的人,那么请见谅. 代码如下: <!DOCTYPE html> <html la ...

  9. nginx安装SSL证书，并强制跳转https访问

    网站最初是nginx代理80端口,实现http访问的.现在要安装SSL证书,使用https访问. 我的nginx根目录是/usr/local/nginx,将申请的SSL证书和key放在/usr/loc ...

  10. 福州大学软件工程1916|W班 第5次作业成绩排名

    1. 作业链接: https://edu.cnblogs.com/campus/fzu/SoftwareEngineering1916W/homework/2768 2. 评分准则: 本次作业评分分为 ...