Java实现word/pdf转html并在线预览

实现文档在线预览的方式除了上篇文章《文档在线预览（一）通过将txt、word、pdf转成图片实现在线预览功能》说的将文档转成图片的实现方式外，还有转成pdf，前端通过pdf.js、pdfobject.js等插件来实现在线预览，以及本文将要说到的将文档转成html的方式来实现在线预览。代码基于 aspose-words（用于word转html），pdfbox（用于pdf转html），所以事先需要在项目里下面两个依赖：

<dependency>    
   <groupId>com.luhuiguo</groupId>    
   <artifactId>aspose-words</artifactId>    
   <version>23.1</version></dependency>
<dependency>    
   <groupId>org.apache.pdfbox</groupId>    
   <artifactId>pdfbox</artifactId>    
   <version>2.0.4</version>
</dependency>

一、将文件转换成html字符串

1、将word文件转成html字符串

public static String wordToHtmlStr(String wordPath) {
       try {
           Document doc = new Document(wordPath); // Address是将要被转化的word文档
           String htmlStr = doc.toString();
           return htmlStr;
       } catch (Exception e) {
           e.printStackTrace();
       }
       return null;
   }

验证结果：

2、将pdf文件转成html字符串

public static String pdfToHtmlStr(String pdfPath) throws IOException, ParserConfigurationException {
       PDDocument document = PDDocument.load(new File(pdfPath));
       Writer writer = new StringWriter();
       new PDFDomTree().writeText(document, writer);
       writer.close();
       document.close();
       return writer.toString();
   }

验证结果：

二、将文件转换成html，并生成html文件

有时我们是需要的不仅仅返回html字符串，而是需要生成一个html文件这时应该怎么做呢？一个改动量小的做法就是使用org.apache.commons.io包下的FileUtils工具类写入目标地址：

1、FileUtils类将html字符串生成html文件示例

首先需要引入pom：

<dependency>
           <groupId>commons-io</groupId>
           <artifactId>commons-io</artifactId>
           <version>2.8.0</version>
       </dependency>

相关代码：

String htmlStr = FileConvertUtil.pdfToHtmlStr("D:\\书籍\\电子书\\小说\\历史小说\\最后的可汗.doc");
FileUtils.write(new File("D:\\test\\doc.html"), htmlStr, "utf-8");

除此之外，还可以对上面的代码进行一些调整，已实现生成html文件，代码调整如下：

2、将word文件转换成html文件

public static void wordToHtml(String wordPath, String htmlPath) {
       try {
           File sourceFile = new File(wordPath);
           String path = htmlPath + File.separator + sourceFile.getName().substring(0, sourceFile.getName().lastIndexOf(".")) + ".html";
           File file = new File(path); // 新建一个空白pdf文档
           FileOutputStream os = new FileOutputStream(file);
           Document doc = new Document(wordPath); // Address是将要被转化的word文档
           HtmlSaveOptions options = new HtmlSaveOptions();
           options.setExportImagesAsBase64(true);
           options.setExportRelativeFontSize(true);
           doc.save(os, options);
       } catch (Exception e) {
           e.printStackTrace();
       }
   }

验证结果：

3、将pdf文件转换成html文件

public static void pdfToHtml(String pdfPath, String htmlPath) throws IOException, ParserConfigurationException {
       File file = new File(pdfPath);
       String path = htmlPath + File.separator + file.getName().substring(0, file.getName().lastIndexOf(".")) + ".html";
       PDDocument document = PDDocument.load(new File(pdfPath));
       Writer writer = new PrintWriter(path, "UTF-8");
       new PDFDomTree().writeText(document, writer);
       writer.close();
       document.close();
   }

图片版PDF文件验证结果：

文字版PDF文件验证结果：

来源：https://www.cnblogs.com/fhey/p/17442536.html