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. linux上查询网卡型号

  2. xcode 10 模拟器报错

    xcode 10(也可能是任意版本)run 模拟器时,发现会报下面的错误. This app could not be installed at this time.Could not access ...

  3. 代码块: 以冒号作为开始,用缩进来划分作用域,这个整体叫做代码块,python的代码块可以提升整体的整齐度,提高开发效率

    # ### 代码块: 以冒号作为开始,用缩进来划分作用域,这个整体叫做代码块 if 5 == 5: print(1) print(2) if True: print(3) print(4) if Fa ...

  4. Flask的Windows部署：mod_wsgi + Apache

    参考1:https://blog.csdn.net/mist99/article/details/80771289 参考2:https://blog.csdn.net/firefox1/article ...

  5. js中的this指向问题（小计）

    this的指向在函数定义的时候是确定不了的,只有函数执行的时候才能确定,this最终指向调用它的对象. 1.函数调用模式 当一个函数并非一个对象的属性时,那么它就是被当做函数来调用的.在此种模式下,t ...

  6. 依据ECMA规范，手写一个bind函数

    Function.prototype.bind 函数,参见ECMA规范地址 如题,这次来实现一个boundFunction函数,不挂载在Function.prototype上,而是一个单独声明的函数. ...

  7. Python 写了个小程序，耗时一天，结果才100多行

    from selenium import webdriver import selenium.webdriver.support.ui as ui from selenium.webdriver.co ...

  8. Python练习--普通函数与递归函数求阶乘

    '''Created on 2018年10月28日递归函数示例:阶乘'''def my_fun_example1(n):    '''    非递归函数求阶乘示例    '''    result = ...

  9. WPF中查找指定类型的父控件

    /// <summary> /// 查找父控件 /// </summary> /// <typeparam name="T"></type ...

  10. CentOS7──xxx is not in the sudoers file

    提示"xxx is not in the sudoers file. This incident will be reported.其中 ”XXX“是你的用户名,也就是你的用户名没有权限使用 ...