使用poi+itextpdf将word转成pdf |
您所在的位置：网站首页 › jsp转化为pdf › 使用poi+itextpdf将word转成pdf |
使用poi+itextpdf将word转成pdf
|
将word转换成pdf确实有很多种方案！ 背景最近正好需要做一个这样的功能，需求是将word模板进行签名后转换为pdf。为此，我花了一点时间去网上找方案。期间遇到了一些坑，这里记录一下。 方案选择首先，因为代码是跑在linux服务器上的，所以一般的，依赖windows office功能的方案就行不通了。这就排除了jacob这样一些效果很好的方案。 其次，我们的服务器上是不能安装office这样的软件的，而且对外部引入的maven jar包很严格，时间也比较紧张。考虑到这些因素，没有办法对这些方案一一详细了解。最终我选用了poi+itextpdf这样一种比较传统的方式。 poi+itextpdf这种方案利用html进行中转。也就是说先将word转成html格式，然后再将html转成pdf。html是String格式的，可以很方便地利用jsoup或字符串操作进行修改。这也是我选择这种方案的一个原因。 关于依赖首先遇到的一个问题就是maven依赖，网上的示例要么不全，要么存在缺失，要么版本有问题。经过最终验证，得到以下maven依赖。 注意jar包版本！我只在以下确定的版本上测试成功了。 org.apache.poi poi-ooxml 3.14 org.apache.poi poi-scratchpad 3.14 fr.opensagres.xdocreport xdocreport 1.0.6 org.apache.poi poi-ooxml-schemas 3.14 org.apache.poi ooxml-schemas 1.3 com.itextpdf.tool xmlworker 5.5.11 com.itextpdf itext-asian 5.2.0 org.jsoup jsoup 1.11.3 关于代码 package cn.hewie.pdf; import com.itextpdf.text.BaseColor; import com.itextpdf.text.Font; import com.itextpdf.text.FontProvider; import com.itextpdf.text.PageSize; import com.itextpdf.text.pdf.BaseFont; import com.itextpdf.text.pdf.PdfWriter; import com.itextpdf.tool.xml.XMLWorkerHelper; import org.apache.commons.lang3.StringUtils; 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.PictureType; import org.apache.poi.xwpf.converter.core.BasicURIResolver; import org.apache.poi.xwpf.converter.core.FileImageExtractor; import org.apache.poi.xwpf.converter.xhtml.XHTMLConverter; import org.apache.poi.xwpf.converter.xhtml.XHTMLOptions; import org.apache.poi.xwpf.usermodel.XWPFDocument; import org.jsoup.Jsoup; import org.jsoup.nodes.Element; import org.jsoup.nodes.Entities; import org.jsoup.select.Elements; 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.nio.charset.Charset; /** * 使用poi+itextpdf进行word转pdf * 先将word转成html，再将html转成pdf * * @author ：hewie * @date ：Created in 2020/2/27 22:41 */ public class OfficeUtil { /** * 将doc格式文件转成html * * @param docPath doc文件路径 * @param imageDir doc文件中图片存储目录 * @return html */ public static String doc2Html(String docPath, String imageDir) { String content = null; ByteArrayOutputStream baos = null; try { HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(docPath)); WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument()); wordToHtmlConverter.setPicturesManager(new PicturesManager() { @Override public String savePicture(byte[] content, PictureType pictureType, String suggestedName, float widthInches, float heightInches) { File file = new File(imageDir + suggestedName); FileOutputStream fos = null; try { fos = new FileOutputStream(file); fos.write(content); } catch (IOException e) { e.printStackTrace(); } finally { try { if (fos != null) { fos.close(); } } catch (Exception e) { e.printStackTrace(); } } return imageDir + suggestedName; } }); wordToHtmlConverter.processDocument(wordDocument); Document htmlDocument = wordToHtmlConverter.getDocument(); DOMSource domSource = new DOMSource(htmlDocument); baos = new ByteArrayOutputStream(); StreamResult streamResult = new StreamResult(baos); TransformerFactory tf = TransformerFactory.newInstance(); Transformer serializer = tf.newTransformer(); serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8"); serializer.setOutputProperty(OutputKeys.INDENT, "yes"); serializer.setOutputProperty(OutputKeys.METHOD, "html"); serializer.transform(domSource, streamResult); } catch (Exception e) { e.printStackTrace(); } finally { try { if (baos != null) { content = new String(baos.toByteArray(), "utf-8"); baos.close(); } } catch (Exception e) { e.printStackTrace(); } } return content; } /** * 将docx格式文件转成html * * @param docxPath docx文件路径 * @param imageDir docx文件中图片存储目录 * @return html */ public static String docx2Html(String docxPath, String imageDir) { String content = null; FileInputStream in = null; ByteArrayOutputStream baos = null; try { // 1> 加载文档到XWPFDocument in = new FileInputStream(new File(docxPath)); XWPFDocument document = new XWPFDocument(in); // 2> 解析XHTML配置（这里设置IURIResolver来设置图片存放的目录） XHTMLOptions options = XHTMLOptions.create(); // 存放word中图片的目录 options.setExtractor(new FileImageExtractor(new File(imageDir))); options.URIResolver(new BasicURIResolver(imageDir)); options.setIgnoreStylesIfUnused(false); options.setFragment(true); // 3> 将XWPFDocument转换成XHTML baos = new ByteArrayOutputStream(); XHTMLConverter.getInstance().convert(document, baos, options); } catch (Exception e) { e.printStackTrace(); } finally { try { if (in != null) { in.close(); } if (baos != null) { content = new String(baos.toByteArray(), "utf-8"); baos.close(); } } catch (Exception e) { e.printStackTrace(); } } return content; } /** * 使用jsoup规范化html * * @param html html内容 * @return 规范化后的html */ private static String formatHtml(String html) { org.jsoup.nodes.Document doc = Jsoup.parse(html); // 去除过大的宽度 String style = doc.attr("style"); if (StringUtils.isNotEmpty(style) && style.contains("width")) { doc.attr("style", ""); } Elements divs = doc.select("div"); for (Element div : divs) { String divStyle = div.attr("style"); if (StringUtils.isNotEmpty(divStyle) && divStyle.contains("width")) { div.attr("style", ""); } } // jsoup生成闭合标签 doc.outputSettings().syntax(org.jsoup.nodes.Document.OutputSettings.Syntax.xml); doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml); return doc.html(); } /** * html转成pdf * * @param html html * @param outputPdfPath 输出pdf路径 */ public static void htmlToPdf(String html, String outputPdfPath) { com.itextpdf.text.Document document = null; ByteArrayInputStream bais = null; try { // 纸 document = new com.itextpdf.text.Document(PageSize.A4); // 笔 PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(outputPdfPath)); document.open(); // html转pdf bais = new ByteArrayInputStream(html.getBytes()); XMLWorkerHelper.getInstance().parseXHtml(writer, document, bais, Charset.forName("UTF-8"), new FontProvider() { @Override public boolean isRegistered(String s) { return false; } @Override public Font getFont(String s, String s1, boolean embedded, float size, int style, BaseColor baseColor) { // 配置字体 Font font = null; try { // 方案一：使用本地字体(本地需要有字体) // BaseFont bf = BaseFont.createFont("c:/Windows/Fonts/simsun.ttc,0", BaseFont.IDENTITY_H, BaseFont.EMBEDDED); // BaseFont bf = BaseFont.createFont("C:/Windows/Fonts/seguisym.ttf", BaseFont.IDENTITY_H, BaseFont.EMBEDDED); // 方案二：使用jar包：iTextAsian，这样只需一个jar包就可以了 BaseFont bf = BaseFont.createFont("STSong-Light", "UniGB-UCS2-H", BaseFont.EMBEDDED); font = new Font(bf, size, style, baseColor); font.setColor(baseColor); } catch (Exception e) { e.printStackTrace(); } return font; } }); } catch (Exception e) { e.printStackTrace(); } finally { if (document != null) { document.close(); } if (bais != null) { try { bais.close(); } catch (IOException e) { e.printStackTrace(); } } } } public static void main(String[] args) throws Exception { String basePath = "F:/test/pdf/"; String docPath = basePath + "index.doc"; String docxPath = basePath + "index.docx"; String pdfPath = basePath + "index.pdf"; String imageDir = "F:/test/pdf/image/"; // 测试doc转pdf // String docHtml = doc2Html(docPath, imageDir); // docHtml = formatHtml(docHtml); // htmlToPdf(docHtml, pdfPath); // 测试docx转pdf String docxHtml = docx2Html(docxPath, imageDir); docxHtml = formatHtml(docxHtml); docxHtml = docxHtml.replace("___", "张三"); htmlToPdf(docxHtml, pdfPath); } }众所周知，word有多个版本。此demo中只考虑了doc和docx两种格式的处理。 另外，有几点需要注意一下。 因为word文件中很有可能会有图片，所以需要一个路径来将图片存储来下中转一下。如果不设置，pdf中将看不到图片哦~因为生成的html中，存在style设置width过大的问题（docx转html场景），这会导致在生成的pdf中，存在大量的空格（如果“纸”小了，很可能发现整个pdf都是空白的）。因此需要将width去掉，这里直接干掉了style了，有点暴力~转换后的模板很容易进行文字替换，例如：将用户名称填入下面看一下效果吧，感觉还是不错的。 原始word如下： 转换成pdf如下： 下面讲一讲遇到的几个问题吧！ 1. 找不到方法，报错Exception in thread “main” java.lang.NoSuchMethodError: org.apache.poi.POIXMLDocumentPart.getPackageRelationship()Lorg/apache/poi/openxml4j/opc/PackageRelationship; 这个原因排查了很长时间，后来发现是包版本原因。原先poi相关的几个jar包是3.17的，后来发现改成3.14后就可以了。 2. jsoup生成的标签不闭合，导致html转pdf失败，报错com.itextpdf.tool.xml.exceptions.RuntimeWorkerException: Invalid nested tag p found, expected closing tag br. 这个问题在github上找到答案了。joup的老哥们认为有些标签，如、在h5标准中，是不需要闭合的。但是咱们的引入的解析器XMLWorker不这么认为，所以就报这样的错了。 所幸jsoup中可以设置，代码如下： doc.outputSettings().syntax(org.jsoup.nodes.Document.OutputSettings.Syntax.xml); doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml); 3. 转换后，中文都替换为空白了这是因为没有对应的字体文件。这里有几种解决方案： 1） 使用系统自带的系统文件。缺点就是需要指定路径。如果是在linux环境部署的话，需要进行字体文件上传 2） 使用外部jar包 com.itextpdf itext-asian 5.2.0毫无疑问，这种方案比第一种方便多了。毕竟少了很多运维上的事了。 这两种方案都在代码中备注了。这里不再表述实现了。 4. 使用上述第一种方式解决中文字体问题，出错\simsun.ttc’ with ‘Identity-H’ is not recognized或者type of font{0} is not recognized 原因是参数不对。如windows系统，地址应为：“c:/Windows/Fonts/simsun.ttc,0 “，注意结尾的”,0” 详情戳：https://blog.csdn.net/zhangtongpeng/article/details/100173633 源码地址本文源码地址 |
【本文地址】
今日新闻 |
推荐新闻 |