关于docx，html，xhtml,pdf直接转换

江南才子

近期由于项目的原因接触到word转html,pdf转html，之后在线编辑的模块，在网上找了许多资料，经过整理测试，已初具规模首先doc(docx)在线编辑1 推荐使用：zohowriter,无插件的web word编辑器2 推荐使用：docx4J 可以先把docx文档转换为html，package com.zoma.common;
import java.io.BufferedReader;import java.io.ByteArrayInputStream;import java.io.ByteArrayOutputStream;import java.io.DataOutputStream;import java.io.File;import java.io.FileInputStream;import java.io.FileNotFoundException;import java.io.FileOutputStream;import java.io.FileReader;import java.io.FileWriter;import java.io.IOException;import java.io.OutputStreamWriter;import java.io.PrintWriter;
import org.docx4j.XmlUtils;import org.docx4j.convert.in.xhtml.XHTMLImporter;import org.docx4j.convert.out.html.HTMLConversionImageHandler;import org.docx4j.convert.out.html.HtmlExporterNonXSLT;import org.docx4j.openpackaging.exceptions.Docx4JException;import org.docx4j.openpackaging.packages.WordprocessingMLPackage;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;import org.w3c.tidy.Tidy;
public class DocxUtil {
/ docx文档转换为html @param filepath --docx 文件路径（f:/1.docx） * @param outpath--生成html路径(f:1.html) @param imgpath--图片保存路径（f/img） @param imguri--图片引用（img/） * @return 转换成功返回true,失败返回false */public static boolean docToHtml(String filepath,String outpath,String imgpath,String imguri){boolean bo = false ;FileWriter fw = null;try {File infile = new File(filepath);File outfile = new File(outpath);WordprocessingMLPackage wmp=WordprocessingMLPackage.load(infile);HtmlExporterNonXSLT hn=new HtmlExporterNonXSLT(wmp, new HTMLConversionImageHandler(imgpath,imguri, true));String html=(XmlUtils.w3CDomNodeToString(hn.export()));fw=new FileWriter(outfile);fw.write(html);} catch (Exception e) {
e.printStackTrace();return bo ;}finally{try {fw.close();} catch (IOException e) {e.printStackTrace();}System.gc();}return bo ;}/** html转换为xhtml @param f_in --docx 文件路径（f:/1.html） * @param outfile--生成xhtml路径(f:1.xhtml) @return 转换成功返回true,失败返回false /public static boolean parseToXhtml(String f_in,String outfile){boolean bo = false; //BufferedInputStream sourceIn; //输入流    ByteArrayOutputStream tidyOutStream = null; //输出流    FileInputStream  fis  = null;    ByteArrayOutputStream  bos  = null;    ByteArrayInputStream stream = null;    DataOutputStream  to = null;    try    {            // Reader reader;
       fis = new  FileInputStream(f_in); //读文件      bos =  new  ByteArrayOutputStream();       int  ch;       while((ch=fis.read())!=-1)       {           bos.write(ch);       }       byte[]  bs  =  bos.toByteArray();       bos.close();       String hope_gb2312=new String(bs,"UTF-8");//注意，默认是GB2312，所以这里先转化成GB2312然后再转化成其他的。            byte[] hope_b=hope_gb2312.getBytes();      String basil=new String(hope_b,"UTF-8");//将GB2312转化成 UTF-8             // byte[] basil_b=basil.getBytes();            stream= new ByteArrayInputStream(basil.getBytes());      tidyOutStream = new ByteArrayOutputStream();      Tidy tidy = new Tidy();      tidy.setInputEncoding("UTF-8");      tidy.setQuiet(true);           tidy.setOutputEncoding("UTF-8");           tidy.setShowWarnings(true); //不显示警告信息      tidy.setIndentContent(true);//      tidy.setSmartIndent(true);      tidy.setIndentAttributes(false);      tidy.setWraplen(1024); //多长换行      //输出为xhtml      tidy.setXHTML(true);      tidy.setErrout(new PrintWriter(System.out));      tidy.parse(stream, tidyOutStream);      to=new  DataOutputStream(new  FileOutputStream(outfile)); //将生成的xhtml写入       tidyOutStream.writeTo(to);      System.out.println(tidyOutStream.toString());      bo = true ;
    }    catch ( Exception ex )    {      System.out.println( ex.toString());      ex.printStackTrace();      return bo ;    }finally{try {if(to!=null){to.close();}if(stream !=null){stream.close();}if(fis !=null){fis.close();}if(bos !=null){bos.close();}if(tidyOutStream !=null){tidyOutStream.close();}} catch (IOException e) {e.printStackTrace();}System.gc();    }
return bo;
}/** 获取html内容 @param filepath 文件路径 （f:/1.xhtml） * @param exps 搜索表达式(html元素标签等) @return 搜索内容 /public static String getHtmlStyle(String filepath,String exps){String str="";try {File input = new File(filepath);Document doc = Jsoup.parse(input, "UTF-8");Elements els = null; if(exps.equals("body")){els= doc.body().children();}else{els= doc.select(exps);}for(Element el :els){str+=el;}} catch (IOException e) {e.printStackTrace();return str;}finally{System.gc();}  return str;}/** 修改html内容 @param filepath * @param exps @param htmls @return */public static boolean modifyHtml(String filepath,String exps,String htmls){boolean bo = false ;try {File input = new File(filepath);Document doc = Jsoup.parse(input, "UTF-8");if(exps.equals("body")){Element el = doc.body();el.html("");//el.children().html(htmls);//el.html(htmls);}//Elements els = doc.select(exps);//els.html(htmls);bo = true;} catch (IOException e) {e.printStackTrace();return bo ;}return bo ;}public static boolean modifyBody(String infile,String content,String outfile){File file = new File(infile);    BufferedReader reader = null;    FileWriter writer =null;    String fileStr="" ;    try {      System.out.println("以行为单位读取文件内容，一次读一整行：");      reader = new BufferedReader(new FileReader(file));      String tempString = null;
      // 一次读入一行，直到读入null为文件结束      while ((tempString = reader.readLine()) != null) {        // 显示行号        fileStr+=tempString;      }      String newStr = fileStr.substring(0,fileStr.indexOf("<body>"));      newStr+=content;      newStr+=fileStr.substring(fileStr.indexOf("</body>"),fileStr.length());      //打开一个写文件器，构造函数中的第二个参数true表示以追加形式写文件       writer = new FileWriter(outfile, true);       writer.write(newStr);
    } catch (IOException e) {      e.printStackTrace();    } finally {try {if(writer !=null){writer.close();}} catch (IOException e) {e.printStackTrace();}      if (reader != null) {        try {          reader.close();        } catch (IOException e1) {        }      }
      System.gc();    }return false ;}public static boolean modifyHead(String infile,String content,String outfile){File file = new File(infile);    BufferedReader reader = null;    String fileStr="" ;    try {      System.out.println("以行为单位读取文件内容，一次读一整行：");      reader = new BufferedReader(new FileReader(file));      String tempString = null;
      // 一次读入一行，直到读入null为文件结束      while ((tempString = reader.readLine()) != null) {        // 显示行号        fileStr+=tempString;      }      reader.close();      String newStr = fileStr.substring(0,fileStr.indexOf("<head>"));      newStr+="<head>";      newStr+="<meta http-equiv='Content-Type' content='text/html; charset=UTF-8' />";      newStr+=content;      newStr+=fileStr.substring(fileStr.indexOf("</head>"),fileStr.length());      //打开一个写文件器，构造函数中的第二个参数true表示以追加形式写文件       FileWriter writer = new FileWriter(outfile, true);       writer.write(newStr);       writer.close();    } catch (IOException e) {      e.printStackTrace();    } finally {      if (reader != null) {        try {          reader.close();        } catch (IOException e1) {        }      }    }return false ;}/** xhtml转换为docx文档 @param infile xhtml路径（f:/1.xhtml） * @param outfile docx生成路径(f:/1.docx) @return /public static boolean xhtmlToDocx(String infile,String outfile){boolean bo = false;try {WordprocessingMLPackage wxm=WordprocessingMLPackage.createPackage();wxm.getMainDocumentPart().getContent().addAll(XHTMLImporter.convert(new File(infile),null, wxm));wxm.save(new File(outfile));} catch (Docx4JException e) {e.printStackTrace();return bo ;} finally{System.gc();}return bo ;}}3 pdf 转html 推荐pdf2htmlex 高保真转化需要ubutun 12.04以上版本并且安装一下软件3.1 apt-get install python-software-properties3.2 sudo add-apt-repository ppa:coolwanglu/pdf2htmlex3.3 sudo apt-get update3.4 sudo apt-get install fontforge 3.5 sudo aptitude install poppler-utils 3.6 sudo apt-get install pdf2htmlex测试输入:pdf2htmlEX --zoom 1.3 /home/1.pdf --dest-dir /home/1会在home/1文件夹下生成html文件4 pdf合并 使用pdfbox类库/    @param savepath 原来文件夹路径 * @param filePath合并后名字，临时PDF文件夹 生成新的pdf文件后，删除原有pdf @return * @throws COSVisitorException @throws IOException /  public static String mergePdfFiles(String savepath, String filePath) throws COSVisitorException, IOException   { PDFMergerUtility mergePdf = new PDFMergerUtility();    List list = new ArrayList();    File dir = new File(savepath);    System.out.println("------------merge savepath--"+savepath);    System.out.println("------------merge dir--"+dir.getAbsolutePath());    System.out.println("------------merge to file--"+filePath);    File file[] = dir.listFiles();    for (int i = 0; i < file.length; i++) {      if (file.isFile())      {list.add(file);      }
    }    System.out.println("--------------file--------list----------------------------"+list.size());    for(int i=0;i<list.size();i++)    {File f = (File) list.get(i);InputStream is= new FileInputStream(f);mergePdf.addSource(is);    }

    mergePdf.setDestinationFileName(filePath);
    mergePdf.mergeDocuments();
    for(int i=0;i<list.size();i++)    {File f = (File) list.get(i);f.deleteOnExit();    }
return filePath;  }5 jpg图片合并转pdf首先ubutun安装convert软件apt-get install p_w_picpathmagickapt-get install graphicsmagick-p_w_picpathmagick-compat使用命令convert /usr/*.jpg /usr/1.pdf

6java程序调研linux命令 Process proc = Runtime.getRuntime().exec(“”);