Doc 转换为 HTML

上传 doc 文件到服务器上时，如果需要在浏览器中预览，可以把 doc 转为 pdf，然后使用 pdf.js 在线预览 pdf，也可以把 doc 转为 html，直接在浏览器中打开。POI 可以很简单的把 doc 转为 html。

Word 里的公式使用的矢量格式 WMF，需要转换为 SVG 后才能在浏览器中查看，下面的代码使用了 wmf2svg 进行了转换。发现图片文件的名字以 .wmf 结尾，则给它加上 .svg，并且转换为 SVG 格式的图片。

Gradle 依赖

compile 'commons-io:commons-io:2.5'
compile 'org.apache.poi:poi-scratchpad:3.16'
compile 'net.arnx:wmf2svg:0.9.8'

转换程序

import net.arnx.wmf2svg.gdi.svg.SvgGdi;
import net.arnx.wmf2svg.gdi.wmf.WmfParser;
import org.apache.commons.io.FileUtils;
import org.apache.commons.io.output.ByteArrayOutputStream;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.converter.PicturesManager;
import org.apache.poi.hwpf.converter.WordToHtmlConverter;
import org.apache.poi.hwpf.usermodel.Picture;
import org.apache.poi.hwpf.usermodel.PictureType;
import org.w3c.dom.Document;

import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.OutputKeys;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import java.io.*;
import java.util.List;

/**
 * 把 doc 转换为 html 的工具类
 */
public class DocToHtmlUtils {
    /**
     * 使用 UTF-8 编码，把 doc 文件为 html。
     * html 存储在目录 htmlDir，名字为 index.html，html 的图片存储在目录 htmlDir/img 中。
     *
     * @param docFile  doc 文件
     * @param htmlDir  html 保存的目录
     */
    public static void convertDocToHtml(File docFile, File htmlDir) throws Exception {
        convertDocToHtml(docFile, htmlDir, "index.html", "img", "UTF-8");
    }

    /**
     * 使用指定的编码，把 doc 文件为 html。
     *
     * @param docFile doc 文件
     * @param htmlDir html 保存的目录
     * @param htmlFileName 生成的 html 文件的名字
     * @param imageDirName 生成的 html 的图片存储的目录名，它父目录是 htmlDir
     *                     如果 为 null，则说明图片和 html 文件存放在同一个文件夹下
     * @param encoding 生成 html 文件的编码
     * @throws Exception
     */
    public static void convertDocToHtml(File docFile, File htmlDir, String htmlFileName, String imageDirName, String encoding) throws Exception {
        // 创建 html 和其图片所在文件夹
        File imgDir = htmlDir;

        if (imageDirName == null || imageDirName.trim().equals("")) {
            imageDirName = null;
        } else {
            imageDirName = imageDirName.trim();
            imgDir = new File(htmlDir, imageDirName);
        }

        // 图片文件夹在 htmlDir 内，所以创建它的时候 htmlDir 已经保证先被创建
        FileUtils.forceMkdir(imgDir);

        // 转换 doc 为 html
        HWPFDocument docDocument = new HWPFDocument(new FileInputStream(docFile));
        Document doc = DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument();
        WordToHtmlConverter docToHtmlConverter = new WordToHtmlConverter(doc);

        final String imgDirName = imageDirName;
        docToHtmlConverter.setPicturesManager(new PicturesManager() {
            public String savePicture(byte[] content,
                                      PictureType pictureType, String suggestedName,
                                      float widthInches, float heightInches ) {
                if (suggestedName.toLowerCase().endsWith(".wmf")) {
                    suggestedName += ".svg"; // 重命名为 xxx.wmf.svg，一会要把 .wmf 图片转换为 svg 的
                }

                // HTML 中图片的相对路径
                return imgDirName == null ? suggestedName : imgDirName + File.separator + suggestedName;
            }
        } );

        docToHtmlConverter.processDocument(docDocument);

        // 保存图片
        List<Picture> pictures = docDocument.getPicturesTable().getAllPictures();

        if(pictures != null){
            for (Picture picture : pictures) {
                try {
                    String suggestedName = picture.suggestFullFileName();

                    // 如果是 wmf 图片，则转换为 svg
                    if (suggestedName.toLowerCase().endsWith(".wmf")) {
                        FileUtils.writeByteArrayToFile(new File(imgDir, suggestedName + ".svg"), convertWmfToSvg(picture));
                    } else {
                        picture.writeImageContent(new FileOutputStream(new File(imgDir, suggestedName)));
                    }
                } catch (FileNotFoundException e) {
                    e.printStackTrace();
                }
            }
        }

        // 获取 html 内容
        Document htmlDocument = docToHtmlConverter.getDocument();
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        DOMSource domSource = new DOMSource(htmlDocument);
        StreamResult streamResult = new StreamResult(out);

        TransformerFactory tf = TransformerFactory.newInstance();
        Transformer serializer = tf.newTransformer();
        serializer.setOutputProperty(OutputKeys.ENCODING, encoding);
        serializer.setOutputProperty(OutputKeys.INDENT, "yes");
        serializer.setOutputProperty(OutputKeys.METHOD, "html");
        serializer.transform(domSource, streamResult);
        out.close();

        // 保存 index.html
        FileUtils.writeByteArrayToFile(new File(htmlDir, htmlFileName), out.toByteArray());
    }

    /**
     * Wmf 转化为 Svg
     *
     * @param wmfPicture
     * @return Svg 内容的 bytes 数组
     * @throws Exception
     */
    public static byte[] convertWmfToSvg(Picture wmfPicture) throws Exception {
        ByteArrayOutputStream wmfContent = new ByteArrayOutputStream();
        wmfPicture.writeImageContent(wmfContent);

        ByteArrayInputStream in = new ByteArrayInputStream(wmfContent.toByteArray());
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        convertWmfToSvg(in, out);

        return out.toByteArray();
    }

    /**
     * 从传入的输入流 in 中读取 wmf 的内容，转换为 svg 格式的内容，保存到 out 中
     *
     * @param in wmf 的输入流
     * @param out svg 的输出流
     * @throws Exception
     */
    public static void convertWmfToSvg(InputStream in, OutputStream out) throws Exception {
        WmfParser parser = new WmfParser();
        SvgGdi gdi = new SvgGdi(false);

        parser.parse(in, gdi);
        Document doc = gdi.getDocument();

        // 保存到 ByteArrayOutputStream
        TransformerFactory factory = TransformerFactory.newInstance();
        Transformer transformer = factory.newTransformer();

        transformer.setOutputProperty(OutputKeys.METHOD, "xml");
        transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
        transformer.setOutputProperty(OutputKeys.INDENT, "yes");
        transformer.setOutputProperty(OutputKeys.DOCTYPE_PUBLIC,"-//W3C//DTD SVG 1.0//EN");
        transformer.setOutputProperty(OutputKeys.DOCTYPE_SYSTEM,"http://www.w3.org/TR/2001/REC-SVG-20010904/DTD/svg10.dtd");

        transformer.transform(new DOMSource(doc), new StreamResult(out));
        ByteArrayOutputStream buffer = new ByteArrayOutputStream();
        transformer.transform(new DOMSource(doc), new StreamResult(buffer));
        out.flush();
    }

    public static void main(String argv[]) throws Exception {
        convertDocToHtml(new File("/Users/Biao/Desktop/2011届高考数学强化复习训练题11.doc"),
                new File("/Users/Biao/Desktop/doc/x"));
//        convertDocToHtml(new File("/Users/Biao/Desktop/doc/x.doc"),
//                new File("/Users/Biao/Desktop/doc/y"),
//                "goo.html", null, "UTF-8");
    }
}