java OpenOffice把word转html（Convert word to html

1. 下载安装OpenOffice，网址http://download.openoffice.org/index.html。

 

2. 下载第三方工具包JODConverter，http://www.artofsolving.com/opensource/jodconverter。

 

3. 工程中导入JODConverter中的jar包（jodconverter-2.2.2\lib）

 

 

 * commons-io

 * jodconverter

 * juh

 * jurt

 * ridl

 * slf4j-api

 * slf4j-jdk14 

 * unoil

 * xstream 

 

 

 

import java.io.File;
import java.net.ConnectException;
import com.artofsolving.jodconverter.DocumentConverter;
import com.artofsolving.jodconverter.openoffice.connection.OpenOfficeConnection;
import com.artofsolving.jodconverter.openoffice.connection.SocketOpenOfficeConnection;
import com.artofsolving.jodconverter.openoffice.converter.OpenOfficeDocumentConverter;

public class OfficeConverter {

	public static void main(String[] args) {
		File inputFile = new File("C:/test/yy.doc");
		File outputFile = new File("C:/test/yy.html");
		
		OpenOfficeConnection con = new SocketOpenOfficeConnection(8100);
		try {
			con.connect();
		} catch (ConnectException e) {
			System.err.println("文件转换出错，请检查OpenOffice服务是否启动。");
			e.printStackTrace();
		}
		DocumentConverter converter = new OpenOfficeDocumentConverter(con);
		converter.convert(inputFile, outputFile);
		con.disconnect();
	}
}

 

4. 测试之前先启动OpenOffice服务

 

C:\Program Files\OpenOffice.org 3\program>soffice -headless -accept="socket,port=8100;urp;"

 

总结：使用OpenOffice作为转换引擎把word文档转换成html，比起使用微软的com组件有跨平台的优势，而且比Apache poi（POI貌似只能获取word中的文本内容，图片和表格，图片和表格的定位很是个问题，获取样式要一个字符一个字符的分析麻烦且效率低下）方便且简单，但是个人觉得开启Openoffice服务占用系统资源太多。

 

ps：word转换成html后会有很多冗余的word格式，严重影响了页面的加载，您一定很想把它们给清除掉，留下干净清爽的html代码。那请您参考我的下一篇文章去掉word冗余格式 java正则表达式 http://dangry.iteye.com/blog/858821