java 调office_Java解析OFFICE(word,excel,powerpoint)以及PDF的实现方案及开发中的点滴分享...

Java解析OFFICE(word,excel,powerpoint)以及PDF的实现方案及开发中的点滴分享

在此，先分享下写此文前的经历与感受，我所有的感觉浓缩到一个字，那就是:"坑",如果是两个字那就是"巨坑"=>因为这个需求一开始并不是这样子的，且听我漫漫道来：

一开始客户与我们商量的是将office和PDF上传，将此类文件解析成html格式，在APP端调用内置server直接以html"播放"

经历一个月~，两个月~，三个月~~~

到需求开发阶段，发现这是个坑。。。：按照需规的意思这个整体是当做一个功能来做的，技术难度也就算了，而且按照估算的工时也很难做成需规所需要的样子(缺陷太多！)

然后一周~，一周~，又一周~~~

各种方案下来将需求做成能用的样子，然后需求确认时客户说：“我们没有要求你们能解析这些文档，我们只要求你们当做一个源文件上传，在APP端点击直接能选择调用第三方应用打开就行了，而且一开始我们的需求就是这样的。”

/**听完，顿时泪流满面(ಥ _ ಥ)，如果业务一开始就确认这样做，何至于浪费如此多的时间，花费如此多的精力绕老大一圈。。。*/

需求绕了一圈又绕回来了，作为经历过的人，现在总结下这需求里面无尽的坑：

A>开源社区有很多Demo，这些Demo有很多缺陷，比如office里面的艺术字、图片、公式、颜色样式、视频和音频不能解析

B>能解析的对象，解析出来的效果不是很好，比如word和ppt自身的排版乱了,excel单元格里面的自定义格式全变成数字了~等等

C>开源社区的资料并不是很全，导致的结果是不同的文档类型需要用不同的解析方式去解析，比如word用docx4j解析、excel用poi解析带来的代码量巨大

D>由于代码自身的解析效果不是很好，更改后的方案需要在上传之前将源文件处理成其他的形式，如pdf需要切成图片，ppt需要转换成视频或是图片，这样一来需求实现的方式就变成半自动了╥﹏╥...

E>word用docx4j解析一个很大的问题是解析的效率太低了，5MB以上的文件或者内容比较复杂的word文档解析十分耗时，解析效率太低，再一就是poi解析数据量比较大的Exel(比如>1000行)容易造成内存溢出，不好控制

F>工时太短，只有15天。。。，加班加点(⊙︿⊙) ，包工头，加工资！！！ε=怒ε=怒ε=怒ε=怒ε=( o｀ω′)ノ

以上吐槽完了，该展示下最终成果了~

　　

　　

　　

上4图从左至右依次是pdf、ppt、word、excel的解析html的效果，由于涉及开发协议上图1和图2部分地方有涂抹，且以上只是浏览器模拟手机显示，遂显示效果较为粗糙，在此十分抱歉~

下面介绍一下我的最终实现思路：

A>Word文档分两种格式(03版)doc和(07版)docx，由于doc属于即将淘汰的格式同时为方便使用docx4j一步到位的实现方式，故不考虑doc格式文档

B>同Word一样，excel也不考虑旧版格式的转换，方案是选用第三方Demo实现，涉及到具体的技术就是 poi.hssf

C>PowerPoint(ppt)由于内置对象比较多，为保证客户的使用体验，我的方案是将ppt直接导出成mp4或图片(需打zip包)上传，再用代码包装成html

D>对于pdf，同样没有很好的Demo实现成html，遂同ppt一样通过软件转换成图片的形式打包上传，再用代码包装成html

先展示下word解析的相关代码:

(代码片段一)

1 public static void Word2Html() throwsFileN