引言：突然接到任務(wù)，要將word或者ppt轉(zhuǎn)換成HTML的格式在頁面上顯示，類似于百度文庫的效果。以前也聽說過，覺得用java實(shí)現(xiàn)起來還是很簡單的。于是我就帶著我的任務(wù)以及我的好奇心出發(fā)了，在網(wǎng)上找了些資料，最終決定用OpenOffice。

  首先簡單的介紹下轉(zhuǎn)換需要的環(huán)境：

     1、轉(zhuǎn)換組要安裝openoffice軟件（下載地址：http://download./index.html）

     2、需要下載jodconverter包

  在此我提供了jodconverter包（包括jodconverter2、jodconverter3,注：jodconverter2需要手動(dòng)啟動(dòng)openoffice服務(wù)，如有不清楚的地方可以在我文章下面留言），下載請點(diǎn)擊...

      JODConverter是一個(gè)開源文檔轉(zhuǎn)換工具，既可以應(yīng)用于Linux平臺(tái)，也可其應(yīng)用于Windows平臺(tái)。其基于OpenOffice.org或者LibreOffice。因此，文檔轉(zhuǎn)換服務(wù)器上必須安裝有OpenOffice或者LibreOffice。

　　目前最新版本的JODConverter為JODConverter3.0，它要求JDK1.5以上的Java環(huán)境，同時(shí)還需要OpenOffice.org 3.x版本。本文基于最新版本3.0設(shè)計(jì)實(shí)現(xiàn)，如果是版本為2，則有不同的實(shí)現(xiàn)。（版本2需要手動(dòng)啟動(dòng)OpenOffice.org服務(wù)，或者創(chuàng)建Windows服務(wù)設(shè)置為開機(jī)啟動(dòng)，而版本3提供了開啟服務(wù)的接口，在此我使用的是版本3）

   一切準(zhǔn)備就緒那就直接開始了...

 下面是一個(gè)比較完整的例子，可以實(shí)現(xiàn) WORD==>HTML 、PPT==>HTML、WORD==>PDF、PPT==>PDF的轉(zhuǎn)換。

[java] view plain copy

1. package core;  
2.   
3. import java.io.BufferedReader;  
4. import java.io.File;  
5. import java.io.FileInputStream;  
6. import java.io.FileNotFoundException;  
7. import java.io.IOException;  
8. import java.io.InputStreamReader;  
9. import java.util.Date;  
10. import java.util.regex.Matcher;  
11. import java.util.regex.Pattern;  
12.   
13. import org.artofsolving.jodconverter.OfficeDocumentConverter;  
14. import org.artofsolving.jodconverter.office.DefaultOfficeManagerConfiguration;  
15. import org.artofsolving.jodconverter.office.OfficeManager;  
16.   
17. //轉(zhuǎn)換文檔為pdf  
18. public class OpenOfficePdfConvert {  
19.   
20.     /** 
21.      * @param args 
22.      */  
23.     private static OfficeManager officeManager;  
24.     private static String OFFICE_HOME = "d:\\Program Files\\OpenOffice.org 3";// 安裝OPenOffice  
25.     // 的路徑  
26.     private static int port[] = { 8100 };  
27.   
28.     //1、客戶上傳Word文檔到服務(wù)器  
29.        
30.     //2、服務(wù)器調(diào)用OpenOffice程序打開上傳的Word文檔  
31.        
32.     //3、OpenOffice將Word文檔另存為Html格式  
33.   
34.       
35.     public File convertToHtml(String inputFile, String outputFile)  
36.             throws FileNotFoundException {  
37.          // 創(chuàng)建保存html的文件  
38.         File wantFile = new File(outputFile + File.separator + new Date().getTime()  
39.             + ".html");  
40.         // 開啟服務(wù)器  
41.         startService();  
42.         // 進(jìn)行轉(zhuǎn)換  
43.         System.out.println("進(jìn)行文檔轉(zhuǎn)換轉(zhuǎn)換:" + inputFile + " --> " + outputFile);  
44.         OfficeDocumentConverter converter = new OfficeDocumentConverter(  
45.                 officeManager);  
46.         converter.convert(new File(inputFile), wantFile);  
47.         // 關(guān)閉服務(wù)器  
48.         stopService();  
49.         System.out.println();  
50.         return wantFile;  
51.   
52.     }  
53.   
54.     // 打開服務(wù)器  
55.     public static Boolean startService() {  
56.         DefaultOfficeManagerConfiguration configuration = new DefaultOfficeManagerConfiguration();  
57.         try {  
58.             System.out.println("準(zhǔn)備啟動(dòng)服務(wù)....");  
59.             configuration.setOfficeHome(OFFICE_HOME);// 設(shè)置OpenOffice.org安裝目錄  
60.             configuration.setPortNumbers(port); // 設(shè)置轉(zhuǎn)換端口，默認(rèn)為8100  
61.             configuration.setTaskExecutionTimeout(1000 * 60 * 5L);// 設(shè)置任務(wù)執(zhí)行超時(shí)為5分鐘  
62.             configuration.setTaskQueueTimeout(1000 * 60 * 60 * 24L);// 設(shè)置任務(wù)隊(duì)列超時(shí)為24小時(shí)  
63.   
64.             officeManager = configuration.buildOfficeManager();  
65.             officeManager.start(); // 啟動(dòng)服務(wù)  
66.             System.out.println("office轉(zhuǎn)換服務(wù)啟動(dòng)成功!");  
67.             return true;  
68.         } catch (Exception ce) {  
69.             System.out.println("office轉(zhuǎn)換服務(wù)啟動(dòng)失敗!詳細(xì)信息:" + ce);  
70.             return false;  
71.         }  
72.     }  
73.   
74.     // 關(guān)閉服務(wù)器  
75.     public static void stopService() {  
76.         System.out.println("關(guān)閉office轉(zhuǎn)換服務(wù)....");  
77.         if (officeManager != null) {  
78.             officeManager.stop();  
79.         }  
80.         System.out.println("關(guān)閉office轉(zhuǎn)換成功!");  
81.     }  
82.   
83.     /* 
84.      * 進(jìn)行測試轉(zhuǎn)換是否成功 
85.      */  
86.     public static void main(String[] args) {  
87.         String inputFile = "c:\\test\\test.docx";  
88.         String outputFile = "c:\\test";  
89.         OpenOfficePdfConvert opc = new OpenOfficePdfConvert();  
90.         try {  
91.             opc.convertToHtml(inputFile,outputFile);  
92.         } catch (FileNotFoundException e1) {  
93.             e1.printStackTrace();  
94.         }  
95.         /*try { 
96.             * 如果想看到不帶HTML標(biāo)簽的字符串可以調(diào)用這個(gè)方法進(jìn)行簡化 
97.    System.out.println(toHtmlString(inputFile, outputFile));} catch (FileNotFoundException e) { 
98.             e.printStackTrace(); 
99.         }*/  
100.         System.out.println("恭喜您，轉(zhuǎn)換成功...");  
101.     }  
102.   
103.     /** 
104.      * 將word轉(zhuǎn)換成html文件，并且獲取html文件代碼。 
105.      *  
106.      * @param docFile 
107.      *            需要轉(zhuǎn)換的文檔 
108.      * @param filepath 
109.      *            文檔中圖片的保存位置 
110.      * @return 轉(zhuǎn)換成功的html代碼 
111.      * @throws FileNotFoundException 
112.      */  
113.     public static String toHtmlString(String docFile, String filepath)  
114.             throws FileNotFoundException {  
115.         System.out.println("文檔中圖片的保存位置 ==>" + filepath);  
116.         // 轉(zhuǎn)換word文檔  
117.         OpenOfficePdfConvert opc = new OpenOfficePdfConvert();  
118.         File htmlFile = opc.convertToHtml(docFile, filepath);  
119.         // 獲取html文件流  
120.         StringBuffer htmlSb = new StringBuffer();  
121.         try {  
122.             BufferedReader br = new BufferedReader(new InputStreamReader(  
123.                     new FileInputStream(htmlFile)));  
124.             while (br.ready()) {  
125.                 htmlSb.append(br.readLine());  
126.             }  
127.             br.close();  
128.             // 刪除臨時(shí)文件  
129.             // htmlFile.delete();  
130.         } catch (FileNotFoundException e) {  
131.             e.printStackTrace();  
132.         } catch (IOException e) {  
133.             e.printStackTrace();  
134.         }  
135.         // HTML文件字符串  
136.         String htmlStr = htmlSb.toString();  
137.         // 返回經(jīng)過清潔的html文本  
138.         return clearFormat(htmlStr, filepath);  
139.     }  
140.   
141.     /** 
142.      * 清除一些不需要的html標(biāo)記 
143.      *  
144.      * @param htmlStr  帶有復(fù)雜html標(biāo)記的html語句 
145.      *          
146.      * @return 去除了不需要html標(biāo)記的語句 
147.      */  
148.     protected static String clearFormat(String htmlStr, String docImgPath) {  
149.         // 獲取body內(nèi)容的正則  
150.         String bodyReg = "<BODY .*</BODY>";  
151.         Pattern bodyPattern = Pattern.compile(bodyReg);  
152.         Matcher bodyMatcher = bodyPattern.matcher(htmlStr);  
153.         if (bodyMatcher.find()) {  
154.             // 獲取BODY內(nèi)容，并轉(zhuǎn)化BODY標(biāo)簽為DIV  
155.             htmlStr = bodyMatcher.group().replaceFirst("<BODY", "<DIV")  
156.                     .replaceAll("</BODY>", "</DIV>");  
157.         }  
158.         // 調(diào)整圖片地址  
159.         htmlStr = htmlStr.replaceAll("<IMG SRC=\"", "<IMG SRC=\"" + docImgPath  
160.                 + "/");  
161.         // 把<P></P>轉(zhuǎn)換成</div></div>保留樣式  
162.         // content = content.replaceAll("(<P)([^>]*>.*?)(<\\/P>)",  
163.         // "<div$2</div>");  
164.         // 把<P></P>轉(zhuǎn)換成</div></div>并刪除樣式  
165.         htmlStr = htmlStr.replaceAll("(<P)([^>]*)(>.*?)(<\\/P>)", "<p$3</p>");  
166.         // 刪除不需要的標(biāo)簽  
167.         htmlStr = htmlStr  
168.                 .replaceAll(  
169.                         "<[/]?(font|FONT|span|SPAN|xml|XML|del|DEL|ins|INS|meta|META|[ovwxpOVWXP]:\\w+)[^>]*?>",  
170.                         "");  
171.         // 刪除不需要的屬性  
172.         htmlStr = htmlStr  
173.                 .replaceAll(  
174.                         "<([^>]*)(?:lang|LANG|class|CLASS|style|STYLE|size|SIZE|face|FACE|[ovwxpOVWXP]:\\w+)=(?:'[^']*'|\"\"[^\"\"]*\"\"|[^>]+)([^>]*)>",  
175.                         "<$1$2>");  
176.         return htmlStr;  
177.     }  
178. }  

主要類說明：
OfficeManager是一個(gè)接口，主要定義了三個(gè)方法：
 1.public void start( )啟動(dòng)OpenOffice服務(wù)
 2.public void stop( )停止OpenOffice服務(wù)
 3.public void execute(OfficeTask task)執(zhí)行轉(zhuǎn)換任務(wù)
 
　DefaultOfficeManagerConfiguration是一個(gè)實(shí)現(xiàn)了OfficeManager接口的實(shí)體類，其提供了相關(guān)方法配置OpenOffice.org，比如：
 
　public DefaultOfficeManagerConfiguration setOfficeHome(String officeHome)設(shè)置OpenOffice.org或者LibreOffice安裝目錄，
  windows下默認(rèn)值為” C:\Program Files\OpenOffice.org 3”（LibreOffice進(jìn)行相應(yīng)更改），因此如果OpenOffice.org安裝在別的目錄，必須設(shè)置此項(xiàng)。
 
　public DefaultOfficeManagerConfiguration setConnectionProtocol(OfficeConnectionProtocol conn)設(shè)置連接協(xié)議，確定使用管道通信，還是socekt通信。
 
　pubcli DefaultOfficeManagerConfiguration setTemplateProfileDir(File templateProfileDir)設(shè)定臨時(shí)目錄。
 
 除以上幾個(gè)方法之外，DefaultOfficeManagerConfiguration還提供了別的配置OpenOffice.org的方法，具體方法可以查詢JODConverter API手冊。
 配置完之后，必須要執(zhí)行方法buildOfficeManager()，實(shí)現(xiàn)真正的配置。
 
　OfficeDocumentConverter中主要包含convert方法，該方法實(shí)際上調(diào)用的是實(shí)現(xiàn)OfficeManager接口的類中的execute方法。

   整體看起來還是比較簡單的,但對自己也是一種提高，在此特別感謝肖恩也有夢想：http://www.cnblogs.com/luckyxiaoxuan/archive/2012/06/14/2549012.html