php将html倒成doc（mht）

注意：本文引用地址： http://www.cnitblog.com/CoffeeCat/archive/2008/08/07/47753.html

   

 一般，有2种方法可以导出doc文档，一种是使用com，并且作为php的一个扩展库安装到服务器上，然后创建一个com，调用它的方法。安装过office的服务器可以调用一个叫word.application的com，可以生成word文档，不过这种方式我不推荐，因为执行效率比较低（我测试了一下，在执行代码的时候，服务器会真的去打开一个word客户端）。理想的com应该是没有界面的，在后台进行数据转换，这样效果会比较好，但是这些扩展一般需要收费。
    第2种方法，就是用PHP将我们的doc文档内容直接写入一个后缀为doc的文件中即可。使用这种方法不需要依赖第三方扩展，而且执行效率较高。
    word本身的功能还是很强大的，它可以打开html格式的文件，并且能够保留格式，即使后缀为doc，它也能识别正常打开。这就为我们提供了方便。但是有一个问题，html格式的文件中的图片只有一个地址，真正的图片是保存在其他地方的，也就是说，如果将HTML格式写入doc中，那么doc中将不能包含图片。那我们如何创建包含图片的doc文档呢？我们可以使用和html很接近的mht格式。
    mht格式和html很类似，只不过在mht格式中，外部链接进来的文件，比如图片、Javascript、CSS会被base64进行编码存储。因此，单个mht文件就可以保存一个网页中的所有资源，当然，相比html，它的尺寸也会比较大。
    mht格式能被word识别吗？我将一个网页保存成mht，然后修改后缀名为doc，再用word打开，OK，word也可以识别mht文件，并且可以显示图片。
    好了，既然doc可以识别mht，下面就是考虑如何将图片放入mht了。由于html代码中的图片的地址都是写在img标签的src属性中，因此，只要提取html代码中的src属性值，就可以获得图片地址。当然，有可能您获取到的是相对路径，没关系，加上URL的前缀，改成绝对路径就可以了。有了图片地址，我们就可以通过file_get_content函数获取到图片文件的具体内容，然后调用base64_encode函数将文件内容编码成base64编码，最后插入到mht文件的合适位置即可。
    最后，我们有两种方法将文件发送给客户端，一种是先在服务器端生成一个doc文档，然后将这个doc文档的地址记录下来，最后，通过header("location:xx.doc");就可以让客户端下载这个doc。还有一种是直接发送html请求，修改HTML协议的header部分，将它的content-type设置为application/doc，将content-disposition设置为attachment，后面跟上文件名，发送完html协议以后，直接将文件内容发送给客户端，也可以让客户端下载到这个doc文档。

实现

    通过以上的原理介绍，相信大家应该对实现的过程有个初步的了解了，下面我给出一个导出函数，这个函数可以将HTML代码导出成一个mht文档，参数有3个，其中后2个为可选参数
    content:要转换的HTML代码
    absolutePath: 如果HTML代码中的图片地址都是相对路径，那么这个参数就是HTML代码中缺少的绝对路径。
    isEraseLink:是否去掉HTML代码中的超链接

    返回值为mht的文件内容，您可以通过file_put_content将它保存成后缀名为doc的文件

    这个函数的主要功能其实就是分析HTML代码中的所有图片地址，并且依次下载下来。获取到了图片的内容以后，调用MhtFileMaker类，将图片添加到mht文件中。具体的添加细节，封装在MhtFileMaker类中了。

/* *
 * 根据HTML代码获取word文档内容
 * 创建一个本质为mht的文档，该函数会分析文件内容并从远程下载页面中的图片资源
 * 该函数依赖于类MhtFileMaker
 * 该函数会分析img标签，提取src的属性值。但是，src的属性值必须被引号包围，否则不能提取
 * 
 * @param string $content HTML内容
 * @param string $absolutePath 网页的绝对路径。如果HTML内容里的图片路径为相对路径，那么就需要填写这个参数，来让该函数自动填补成绝对路径。这个参数最后需要以/结束
 * @param bool $isEraseLink 是否去掉HTML内容中的链接
  */
function  getWordDocument(  $content   ,   $absolutePath   =   ""   ,   $isEraseLink   =   true  )
{
     $mht   =   new  MhtFileMaker();
     if  ( $isEraseLink )
         $content   =   preg_replace ( ' /<a\s*.*?\s*>(\s*.*?\s*)<\/a>/i '   ,   ' $1 '   ,   $content );    // 去掉链接

     $images   =   array ();
     $files   =   array ();
     $matches   =   array ();
     // 这个算法要求src后的属性值必须使用引号括起来
     if  (  preg_match_all ( ' /<img[.\n]*?src\s*?=\s*?[\"\ ' ]( .*? )[\ " \'](.*?)\/>/i',$content ,$matches ) )
    {
        $arrPath = $matches[1];
        for ( $i=0;$i<count($arrPath);$i++)
        {
            $path = $arrPath[$i];
            $imgPath = trim( $path );
            if ( $imgPath !=  ""  )
            {
                $files[] = $imgPath;
                if( substr($imgPath,0,7) == 'http://')
                {
                    //绝对链接，不加前缀
                }
                else
                {
                    $imgPath = $absolutePath.$imgPath;
                }
                $images[] = $imgPath;
            }
        }
    }
    $mht->AddContents( " tmp . html " ,$mht->GetMimeType( " tmp . html " ),$content);
    
    for ( $i=0;$i<count($images);$i++)
    {
        $image = $images[$i];
        if ( @fopen($image , 'r') )
        {
            $imgcontent = @file_get_contents( $image );
            if ( $content )
                $mht->AddContents($files[$i],$mht->GetMimeType($image),$imgcontent);
        }
        else
        {
            echo  " file : " .$image. "  not exist !< br  /> " ;
        }
    }
    
    return $mht->GetFile();
}

使用方法：

url= http://www.***.com;

$content = file_get_contents($url);

$fileContent   =  getWordDocument( $content , " http://www.yoursite.com/Music/etc/ " );
$fp   =   fopen ( " test.doc " ,   ' w ' );
fwrite ( $fp ,   $fileContent );
fclose ( $fp );

其中，$content变量应该是HTML源代码，后面的链接应该是能填补HTML代码中图片相对路径的URL地址

注意，在使用这个函数之前，您需要先包含类MhtFileMaker，这个类可以帮助我们生成Mht文档。

<? php
/* **********************************************************************
Class:        Mht File Maker
Version:      1.2 beta
Date:         02/11/2007
Author:       Wudi <[email protected]>
Description:  The class can make .mht file.
********************************************************************** */

class  MhtFileMaker{
     var   $config   =   array ();
     var   $headers   =   array ();
     var   $headers_exists   =   array ();
     var   $files   =   array ();
     var   $boundary ;
     var   $dir_base ;
     var   $page_first ;

     function  MhtFile( $config   =   array ()){

    }

     function  SetHeader( $header ){
         $this -> headers[]  =   $header ;
         $key   =   strtolower ( substr ( $header ,   0 ,   strpos ( $header ,   ' : ' )));
         $this -> headers_exists[ $key ]  =   TRUE ;
    }

     function  SetFrom( $from ){
         $this -> SetHeader( " From: $from " );
    }

     function  SetSubject( $subject ){
         $this -> SetHeader( " Subject: $subject " );
    }

     function  SetDate( $date   =   NULL ,   $istimestamp   =   FALSE ){
         if  ( $date   ==   NULL ) {
             $date   =   time ();
        }
         if  ( $istimestamp   ==   TRUE ) {
             $date   =   date ( ' D, d M Y H:i:s O ' ,   $date );
        }
         $this -> SetHeader( " Date: $date " );
    }

     function  SetBoundary( $boundary   =   NULL ){
         if  ( $boundary   ==   NULL ) {
             $this -> boundary  =   ' -- '   .   strtoupper ( md5 ( mt_rand ()))  .   ' _MULTIPART_MIXED ' ;
        }  else  {
             $this -> boundary  =   $boundary ;
        }
    }

     function  SetBaseDir( $dir ){
         $this -> dir_base  =   str_replace ( " \\ " ,   " / " ,   realpath ( $dir ));
    }

     function  SetFirstPage( $filename ){
         $this -> page_first  =   str_replace ( " \\ " ,   " / " ,   realpath ( " {$this->dir_base}/$filename " ));
    }

     function  AutoAddFiles(){
         if  ( ! isset ( $this -> page_first)) {
             exit  ( ' Not set the first page. ' );
        }
         $filepath   =   str_replace ( $this -> dir_base ,   '' ,   $this -> page_first);
         $filepath   =   ' http://mhtfile '   .   $filepath ;
         $this -> AddFile( $this -> page_first ,   $filepath ,   NULL );
         $this -> AddDir( $this -> dir_base);
    }

     function  AddDir( $dir ){
         $handle_dir   =   opendir ( $dir );
         while  ( $filename   =   readdir ( $handle_dir )) {
             if  (( $filename != ' . ' )  &&  ( $filename != ' .. ' )  &&  ( " $dir/$filename " != $this -> page_first)) {
                 if  ( is_dir ( " $dir/$filename " )) {
                     $this -> AddDir( " $dir/$filename " );
                }  elseif  ( is_file ( " $dir/$filename " )) {
                     $filepath   =   str_replace ( $this -> dir_base ,   '' ,   " $dir/$filename " );
                     $filepath   =   ' http://mhtfile '   .   $filepath ;
                     $this -> AddFile( " $dir/$filename " ,   $filepath ,   NULL );
                }
            }
        }
         closedir ( $handle_dir );
    }

     function  AddFile( $filename ,   $filepath   =   NULL ,   $encoding   =   NULL ){
         if  ( $filepath   ==   NULL ) {
             $filepath   =   $filename ;
        }
         $mimetype   =   $this -> GetMimeType( $filename );
         $filecont   =   file_get_contents ( $filename );
         $this -> AddContents( $filepath ,   $mimetype ,   $filecont ,   $encoding );
    }

     function  AddContents( $filepath ,   $mimetype ,   $filecont ,   $encoding   =   NULL ){
         if  ( $encoding   ==   NULL ) {
             $filecont   =   chunk_split ( base64_encode ( $filecont ) ,   76 );
             $encoding   =   ' base64 ' ;
        }
         $this -> files[]  =   array ( ' filepath '   =>   $filepath ,
                                ' mimetype '   =>   $mimetype ,
                                ' filecont '   =>   $filecont ,
                                ' encoding '   =>   $encoding );
    }

     function  CheckHeaders(){
         if  ( ! array_key_exists ( ' date ' ,   $this -> headers_exists)) {
             $this -> SetDate( NULL ,   TRUE );
        }
         if  ( $this -> boundary  ==   NULL ) {
             $this -> SetBoundary();
        }
    }

     function  CheckFiles(){
         if  ( count ( $this -> files)  ==   0 ) {
             return   FALSE ;
        }  else  {
             return   TRUE ;
        }
    }

     function  GetFile(){
         $this -> CheckHeaders();
         if  ( ! $this -> CheckFiles()) {
             exit  ( ' No file was added. ' );
        }
         $contents   =   implode ( " \r\n " ,   $this -> headers);
         $contents   .=   " \r\n " ;
         $contents   .=   " MIME-Version: 1.0\r\n " ;
         $contents   .=   " Content-Type: multipart/related;\r\n " ;
         $contents   .=   " \tboundary=\ " { $this -> boundary}\ " ;\r\n " ;
         $contents   .=   " \ttype=\ ""  . $this->files[0]['mimetype'] .  " \ " \r\n " ;
         $contents   .=   " X-MimeOLE: Produced By Mht File Maker v1.0 beta\r\n " ;
         $contents   .=   " \r\n " ;
         $contents   .=   " This is a multi-part message in MIME format.\r\n " ;
         $contents   .=   " \r\n " ;
         foreach  ( $this -> files  as   $file ) {
             $contents   .=   " --{$this->boundary}\r\n " ;
             $contents   .=   " Content-Type: $file[mimetype]\r\n " ;
             $contents   .=   " Content-Transfer-Encoding: $file[encoding]\r\n " ;
             $contents   .=   " Content-Location: $file[filepath]\r\n " ;
             $contents   .=   " \r\n " ;
             $contents   .=   $file [ ' filecont ' ];
             $contents   .=   " \r\n " ;
        }
         $contents   .=   " --{$this->boundary}--\r\n " ;
         return   $contents ;
    }

     function  MakeFile( $filename ){
         $contents   =   $this -> GetFile();
         $fp   =   fopen ( $filename ,   ' w ' );
         fwrite ( $fp ,   $contents );
         fclose ( $fp );
    }

     function  GetMimeType( $filename ){
         $pathinfo   =   pathinfo ( $filename );
         switch  ( $pathinfo [ ' extension ' ]) {
             case   ' htm ' :   $mimetype   =   ' text/html ' ;  break ;
             case   ' html ' :   $mimetype   =   ' text/html ' ;  break ;
             case   ' txt ' :   $mimetype   =   ' text/plain ' ;  break ;
             case   ' cgi ' :   $mimetype   =   ' text/plain ' ;  break ;
             case   ' php ' :   $mimetype   =   ' text/plain ' ;  break ;
             case   ' css ' :   $mimetype   =   ' text/css ' ;  break ;
             case   ' jpg ' :   $mimetype   =   ' image/jpeg ' ;  break ;
             case   ' jpeg ' :   $mimetype   =   ' image/jpeg ' ;  break ;
             case   ' jpe ' :   $mimetype   =   ' image/jpeg ' ;  break ;
             case   ' gif ' :   $mimetype   =   ' image/gif ' ;  break ;
             case   ' png ' :   $mimetype   =   ' image/png ' ;  break ;
             default :   $mimetype   =   ' application/octet-stream ' ;  break ;
        }
         return   $mimetype ;
    }
}
?>