任重到远，从word到pdf的路

名词解释:FOP

FOP:Apache™ FOP (Formatting Objects Processor) is a print formatter driven by XSL formatting objects (XSL-FO) and an output independent formatter. It is a Java application that reads a formatting object (FO) tree and renders the resulting pages to a specified output. Output formats currently supported include PDF, PS, PCL, AFP, XML (area tree representation), Print, AWT and PNG, and to a lesser extent, RTF and TXT. The primary output target is PDF.

在docx4j里面，如果你想把WORD转换成PDF，目前是有两种方式。一种就是docx4j提供的远程SAS转换服务，另外就是基于FOP实现的WML到FO结构的转换。既然是映射，或多或少有些元素转换是存在问题。至少我目前碰到了几个问题，它的FOP的实现还是需要优化。

1 文档中表格的宽度超过文档的输入区域。如图

2 word的字体集到 pdf的字体集对应有问题，会存在某种字体库未加载

3 在做转换设置的时候，转换配置失效

4 一些特殊字符字体转换不成功

针对上面的四个问题，我结合实际情况来说明，大部分我自己已经解决。

第一个问题的原因：该word的默认为A4大小（21厘米*29.7厘米），但是主体的表格宽度超过了21厘米，达到25.1厘米。在转换FOP的过程中,首个绘制笔触是从文档宽度开始的，这样绘制的内容会少掉图片及印章的内容。变通的解决办法可以在转换之前将文档的宽度设置成合适的值。

其中,14230这个值是25.1厘米转换之后的值。这样，完整的WORD内容才会完全绘制。

第二个问题的原因：该word里面包含了方正小标宋简体，宋体，黑体，华文中宋等四种字体。其中华文中宋字体库一直未加载到fontMapper之中，具体原因还未知。后来定位在AbstractExporter类的export方法中，存在对设置的值进行重新设置（可能是BUG），我在export里面又再次重设才解决。

第三个问题的原因：这个是FOP的低层table对象转换约束，就是tablecell下面不能没有子元素，不然就会抛出missingChildElementError

仅仅通过strict-configuration为false，不能解决这个约束的问题，理论上这个是属于FO的结构体校验问题。

第四个问题的原因：该文档里面有选中的checkbox，在WML里面就会有 ，在转换成PDF之后。如图

转换之后的PDF

重点关注红框框的内容，这里转换失败，原因未知。在查阅了DOCX4J的论坛之后，https://www.docx4java.org/forums/pdf-output-f27/wingdings-and-pdf-conversion-t1902.html，但是这个帮助不大。目前想到是转换成PDF之后，再通过PDFBOX定位到0052的字符串，将其替换成选中的框，希望下次能再带来一次关于PDFBOX修改分享，这样就相当于曲线救国，完成了WORD到PDF的完美转换。

附各类之间的转换关系