项目使用背景
内部使用的文件管理系统，实现doc，docx文件的在线预览功能；整体功能类似于知网的功能缩减版：文件的管理，在线预览，查重功能。其中还使用到pdf2htmlEX实现pdf转html，最终实现文章重复部分标红操作。
优点：
doc，docx格式转其它pdf，html格式快速便捷。
缺点：
- docx解析，支持有限很多文本格式无法解析，例如嵌入的excel画布图等。
- 无法控制解析转换完的样式。
官网下载与介绍地址 --点我
使用
JAVA代码
/**
* 将word文档转换成html文档
*
* @param docFilePath 需要转换的word文档
* @param filepath 转换之后html的存放路径
* @return 转换之后的html文件
*/
public static void convert(String docFilePath, String filepath) throws Exception {
File docFile = new File(docFilePath);
// 创建保存html的文件
File htmlFile = new File(filepath);
// 创建Openoffice连接,指定服务ip 端口
OpenOfficeConnection con = new SocketOpenOfficeConnection("192.168.0.158", 8100);
// 连接
con.connect();
System.out.println("获取链接成功！！！！！！！！！！！！！！！！！！");
// 创建转换器
DocumentConverter converter;
// 转换文档问html
try {
converter = new StreamOpenOfficeDocumentConverter(con);
converter.convert(docFile, htmlFile);
System.out.println("获取链接成功！！OpenOfficeDocumentConverter");
} catch (Exception e) {
converter = new OpenOfficeDocumentConverter(con);
converter.convert(docFile, htmlFile);
System.out.println("获取链接成功！！StreamOpenOfficeDocumentConverter");
e.printStackTrace();
}
// 关闭openoffice连接
con.disconnect();
System.out.println("关闭连接！！");
}
maven2.2.1 不支持docx解析，maven仓库没有，可以自行下载2.2.2放在自己的仓库中就支持了
<!-- https://mvnrepository.com/artifact/com.artofsolving/jodconverter-maven-plugin -->
<dependency>
<groupId>com.artofsolving</groupId>
<artifactId>jodconverter-maven-plugin</artifactId>
<version>2.2.1</version>
</dependency>
方案二重写方法
/**
*其中不支持docx解析，重写源码
*注意新建同名的包com.artofsolving.jodconverter，类名保持一致ok
*/
package com.artofsolving.jodconverter;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
public class BasicDocumentFormatRegistry implements DocumentFormatRegistry {
private List documentFormats = new ArrayList();
public BasicDocumentFormatRegistry() {
}
public void addDocumentFormat(DocumentFormat documentFormat) {
this.documentFormats.add( documentFormat );
}
protected List getDocumentFormats() {
return this.documentFormats;
}
@Override
public DocumentFormat getFormatByFileExtension(String extension) {
if (extension == null) {
return null;
} else {
if (extension.indexOf( "doc" ) >= 0) {
extension = "doc";
}
if (extension.indexOf( "ppt" ) >= 0) {
extension = "ppt";
}
if (extension.indexOf( "xls" ) >= 0) {
extension = "xls";
}
String lowerExtension = extension.toLowerCase();
Iterator it = this.documentFormats.iterator();
DocumentFormat format;
do {
if (!it.hasNext()) {
return null;
}
format = (DocumentFormat) it.next();
} while (!format.getFileExtension().equals( lowerExtension ));
return format;
}
}
@Override
public DocumentFormat getFormatByMimeType(String mimeType) {
Iterator it = this.documentFormats.iterator();
DocumentFormat format;
do {
if (!it.hasNext()) {
return null;
}
format = (DocumentFormat) it.next();
} while (!format.getMimeType().equals( mimeType ));
return format;
}
}
windows环境
- 下载安装省略。启动命令如下
1.找到安装目录
cd C:\Program Files (x86)\OpenOffice 4\program
2.运行启动命令
soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard
- 安装命令介绍
- host=127.0.0.1 项目本地能访问，改成 host=0.0.0.0 可外网访问
- port=8100 监测的端口，默认8100，可以更改端口
- 插件的使用
- 本地使用 host=127.0.0.1 服务和插件在一台windows服务器上
- 插件和服务分开 host=0.0.0.0 ，开放端口访问，增加入库规则放开8100端口，具体增加入库规则百度即可
netstat -ano
可以查看到端口的状态,有服务的端口就行了，图示只是展示
telnet ip:port
查询外部能否访问，其中wind10 可能需要配置telnet，才有改命令
2019328-231854.jpg
如有开放服务的状态0.0.0.0:8100 ，基本就能使用了
LINUX
linux 环境一向是比较坑
端口开放这些同理window
命令
cd /opt/openoffice4/program
./soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard &
或
/opt/openoffice4/program/soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard &
具体安装参考 --点我
公司的环境都是用的docker，所以在dockerhub 搜索一个镜像开启服务就可以了，如果觉得有什么不对，可以自己安装制作一个镜像。
特别说明：docker 做这类的模块服务是非常合适的，单独启动起来，所有的模块都可以通过ip和端口来访问，谁用谁知道。
linux环境下的openoffice解析乱码
- 原因是linux缺少winds环境的字体库
LJ微软，功能更新太快，Apache更新没跟上，就有很多新加的格式解析不出来
- 解决方案：
复制window系统的字体库
C:\Windows\Fonts 到 /usr/share/fonts 然后
fc-cache 更新缓存，重启oppenoffice，搞定！
