OpenOffice4的使用

项目使用背景

内部使用的文件管理系统，实现doc，docx文件的在线预览功能；整体功能类似于知网的功能缩减版：文件的管理，在线预览，查重功能。其中还使用到pdf2htmlEX实现pdf转html，最终实现文章重复部分标红操作。

优点：

doc，docx格式转其它pdf，html格式快速便捷。

缺点：

1. docx解析，支持有限很多文本格式无法解析，例如嵌入的excel画布图等。
2. 无法控制解析转换完的样式。

官网下载与介绍地址 --点我

使用

JAVA代码

 /**
     * 将word文档转换成html文档
     *
     * @param docFilePath  需要转换的word文档
     * @param filepath 转换之后html的存放路径
     * @return 转换之后的html文件
     */
    public static void convert(String docFilePath, String filepath) throws Exception {
        File docFile = new File(docFilePath);
        // 创建保存html的文件
        File htmlFile = new File(filepath);
        // 创建Openoffice连接,指定服务ip 端口
        OpenOfficeConnection con = new SocketOpenOfficeConnection("192.168.0.158", 8100);
        // 连接
        con.connect();
        System.out.println("获取链接成功！！！！！！！！！！！！！！！！！！");
        // 创建转换器
        DocumentConverter converter;
        // 转换文档问html
        try {
            converter = new StreamOpenOfficeDocumentConverter(con);
            converter.convert(docFile, htmlFile);
            System.out.println("获取链接成功！！OpenOfficeDocumentConverter");
        } catch (Exception e) {
            converter = new OpenOfficeDocumentConverter(con);
            converter.convert(docFile, htmlFile);
            System.out.println("获取链接成功！！StreamOpenOfficeDocumentConverter");
            e.printStackTrace();
        }
        // 关闭openoffice连接
        con.disconnect();
        System.out.println("关闭连接！！");
    }

maven2.2.1 不支持docx解析，maven仓库没有，可以自行下载2.2.2放在自己的仓库中就支持了

        
            com.artofsolving
            jodconverter-maven-plugin
            2.2.1
        

方案二重写方法

   /**
     *其中不支持docx解析，重写源码
     *注意新建同名的包com.artofsolving.jodconverter，类名保持一致ok
     */

package com.artofsolving.jodconverter;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;

public class BasicDocumentFormatRegistry implements DocumentFormatRegistry {
    private List documentFormats = new ArrayList();
    public BasicDocumentFormatRegistry() {
    }
    public void addDocumentFormat(DocumentFormat documentFormat) {
        this.documentFormats.add( documentFormat );
    }
    protected List getDocumentFormats() {
        return this.documentFormats;
    }
    @Override
    public DocumentFormat getFormatByFileExtension(String extension) {
        if (extension == null) {
            return null;
        } else {
            if (extension.indexOf( "doc" ) >= 0) {
                extension = "doc";
            }
            if (extension.indexOf( "ppt" ) >= 0) {
                extension = "ppt";
            }
            if (extension.indexOf( "xls" ) >= 0) {
                extension = "xls";
            }
            String lowerExtension = extension.toLowerCase();
            Iterator it = this.documentFormats.iterator();
            DocumentFormat format;
            do {
                if (!it.hasNext()) {
                    return null;
                }
                format = (DocumentFormat) it.next();
            } while (!format.getFileExtension().equals( lowerExtension ));

            return format;
        }
    }
    @Override
    public DocumentFormat getFormatByMimeType(String mimeType) {
        Iterator it = this.documentFormats.iterator();
        DocumentFormat format;
        do {
            if (!it.hasNext()) {
                return null;
            }
            format = (DocumentFormat) it.next();
        } while (!format.getMimeType().equals( mimeType ));
        return format;
    }
}

windows环境

1. 下载安装省略。启动命令如下

1.找到安装目录
cd  C:\Program Files (x86)\OpenOffice 4\program
2.运行启动命令
soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard

• 安装命令介绍
• host=127.0.0.1 项目本地能访问，改成 host=0.0.0.0 可外网访问
• port=8100 监测的端口，默认8100，可以更改端口

2. 插件的使用

• 本地使用 host=127.0.0.1 服务和插件在一台windows服务器上
• 插件和服务分开 host=0.0.0.0 ，开放端口访问，增加入库规则放开8100端口，具体增加入库规则百度即可

netstat -ano
可以查看到端口的状态,有服务的端口就行了，图示只是展示
telnet  ip:port   
查询外部能否访问，其中wind10 可能需要配置telnet，才有改命令

2019328-231854.jpg

如有开放服务的状态0.0.0.0:8100 ，基本就能使用了

LINUX

linux 环境一向是比较坑
端口开放这些同理window

命令

cd /opt/openoffice4/program 
./soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard &
或
/opt/openoffice4/program/soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard &

具体安装参考 --点我

公司的环境都是用的docker，所以在dockerhub 搜索一个镜像开启服务就可以了，如果觉得有什么不对，可以自己安装制作一个镜像。

特别说明：docker 做这类的模块服务是非常合适的，单独启动起来，所有的模块都可以通过ip和端口来访问，谁用谁知道。

linux环境下的openoffice解析乱码

• 原因是linux缺少winds环境的字体库

LJ微软，功能更新太快，Apache更新没跟上，就有很多新加的格式解析不出来

• 解决方案：
  复制window系统的字体库
  C:\Windows\Fonts 到 /usr/share/fonts 然后

fc-cache   更新缓存，重启oppenoffice，搞定！

专注搬砖踩坑30年，感谢支持

文档操作其它方案

冰蓝