Java解析OFFICE(word,excel,powerpoint)以及PDF的实现方案和支出被的蝇头分享

Java解析OFFICE(word,excel,powerpoint)以及PDF的落实方案以及开中之一定量分享

  于斯,先分享下写是文前的涉以及感受,我具备的发浓缩及一个配,那就算是:”坑”,如果是简单单字那就是”巨坑”=>因为这需求一致开始连无是这样子的,且听我久久道来:

  同开始客户及我们协商的凡拿office和PDF上污染,将该类文件分析成html格式,在APP端调用内置server直接为html”播放”

  经历一个月~,两个月~,三个月~~~

  到需要开发阶段,发现及时是只坑。。。:按照需规的意思是共同体是作一个成效来开的,技术难度也尽管到底了,而且按估算的工时也深不便做成需规所要之楷模(缺陷太多!)

  然后同完善~,一周~,又一周~~~

  各种方案下来将需要做成能用之则,然后要求肯定时客户说:“我们从没要求你们能够分析这些文档,我们特要求你们当一个来文件上传,在APP端点击直接会选择调用第三正在使用打开就推行了,而且同样开始我们的要求便是这样的。”

  /**任凭罢,顿时泪流满面(ಥ
_
ಥ),如果工作一开始就是肯定这样做,何至于浪费如此多的日,花费这么多之生气绕老大一环抱。。。*/

  需求绕了同等环而绕回来了,作为经历了之人,现在总结下这需要中无尽的坑:

  A>开源社区有那么些Demo,这些Demo有那么些短,比如office里面的艺术字、图片、公式、颜色样式、视频及节奏不可知分析

  B>能分析的靶子,解析出的功力不是杀好,比如word和ppt自身之排版乱了,excel单元格里面的自定义格式全变成数字了~等等

  C>开源社区的资料并无是格外咸,导致的结果是不同的文档类型需要因此不同之解析方法去分析,比如word用docx4j解析、excel用poi解析带来的代码量巨大

  D>由于代码自身之辨析效果不是甚好,更改后的方案需要以上传之前将来自文件处理成其他的样式,如pdf需要切成图片,ppt需要换成视频或是图片,这样一来需求实现的办法就是改成半机关了╥﹏╥…

  E>word用docx4j解析一个非常怪之题目是分析的频率太没有了,5MB以上之文书要内容比较复杂的word文档解析非常耗时,解析效率太没有,再同虽是poi解析数据量比较老的Exel(比如>1000执行)容易招内存溢出,不好控制

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

上述吐槽完了,该展示下最终成果了~

    图片 1  图片 2  图片 3  图片 4

 上4贪图自左至右依次是pdf、ppt、word、excel的解析html的功用,由于涉及开发商谈上图1与图2部分地方来上去,且上述就是浏览器模拟手机显示,遂显示效果较粗糙,在这非常抱歉~

脚介绍一下我之末梢落实思路:
  A>Word文档分两种植格式(03本子)doc和(07本子)docx,由于doc属于即将淘汰的格式同时也方便使用docx4j一步到位的落实方式,故不考虑doc格式文档

  B>同Word一样,excel也未考虑旧版格式的换,方案是选用第三在Demo实现,涉及到实际的技能就是是 poi.hssf

  C>PowerPoint(ppt)由于置对象比较多,为保险客户的动体验,我的方案是以ppt直接导出成mp4或图表(需打zip包)上传,再用代码包装成html

  D>对于pdf,同样没怪好的Demo实现成html,遂同ppt一样通过软件转换成图的形式从包及传,再就此代码包装成html

事先亮下word解析的连锁代码:

(代码有一)

1     public static void Word2Html() throws FileNotFoundException, Docx4JException{
2             //需在log4j内配置docx4j的级别
3             WordprocessingMLPackage wmp = WordprocessingMLPackage.load(new File("C:\\Users\\funnyZpC\\Desktop\\Test\\word.docx"));
4             Docx4J.toHTML(wmp, "C:\\Users\\funnyZpC\\Desktop\\result\\wordIMG", "wordIMG", new FileOutputStream(new File("C:\\Users\\funnyZpC\\Desktop\\result\\word.html")));
5     }

(代码有二)

 1     public ProcessFileInfo processDOCX(File file,String uploadPath)throws Exception{
 2         String fileName=file.getName().substring(0,file.getName().lastIndexOf("."));//获取文件名称
 3         WordprocessingMLPackage wmp = WordprocessingMLPackage.load(file);//加载源文件
 4         String basePath=String.format("%s%s%s", uploadPath,File.separator,fileName);//基址
 5         FileUtils.forceMkdir(new File(basePath));//创建文件夹
 6         String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,fileName,"ZIP");//最终生成文件的路径
 7         Docx4J.toHTML(wmp, String.format("%s%s%s", basePath,File.separator,fileName),fileName,new FileOutputStream(new File(String.format("%s%s%s", basePath,File.separator,"index.html"))));//解析
 8         scormService.zip(basePath, zipFilePath);//压缩包
 9         FileUtils.forceDelete(new File(basePath));//删除临时文件夹
10         file.delete();//解析完成,删除原docx文件
11         return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);//返回目标文件相关信息
12     }

剖析word(docx)文档所待的代码简单到就待两行代码(代码有一3、4零星履行),以上(代码有二)是实际开支的代码,建议相比片段一看,同时由于路或会见配备在linux系统下,建议采用File.separator来替”/”或者”\”路径分隔符;同时,需要讲的凡toHtml方法的季只参数==>

  Docx4j.toHtml(加载源docx文件之WordprocessingMLPackage实例化对象,存放解析结果(html和图片)的基目录,存放图片的文本夹名称(在基目录下),输出主html的输出流对象);

生图是出口的结果的目录:

  图片 5

鉴于docx4j内部的log较多,默认Demo测试的早晚输出文件会来如下提示:

图片 6

马上句话的大意是:如要隐藏此消息,请设置docx4j的debug的级别。解决之道是以实质上项目的log4j.properties中补充加docx4j的音级别也ERROR,如:

图片 7

若用maven管理项目,直接在pom.xml里面上加docx4j的dependency,如果要手动配置docx4j及其依赖包,一定要是注意依赖包和当下docx4j的本子对应性(推荐3.3.5之docx4j,解析效果会好有的!)否则各种病症啊~,下图是maven仓库的片段证,如需要手动配置依赖自然要是点进去看下:

图片 8

 

下的代码是Excel解析word的组成部分代码有(代码不备,如发亟待请邮件私我):

(代码有一)

图片 9图片 10

 1 /**
 2      * 
 3      * @param file                    源文件:c://xx//xx.xlsx
 4      * @param uploadPath    基目录地址
 5      * @return
 6      * @throws Exception
 7      */
 8     public ProcessFileInfo processXLSX(File file,String uploadPath)throws Exception {
 9         List<String> sheets=Excel2HtmlUtils.readExcelToHtml(file.getPath());
10         FileUtils.forceMkdir(new File(uploadPath));//创建文件夹
11         String code=file.getName().substring(0,file.getName().lastIndexOf("."));//文件名称
12         String basePath=String.format("%s%s%s", uploadPath,File.separator,code);
13         FileUtils.forceMkdir(new File(basePath));
14         File htmlFile = new File(String.format("%s%s%s", basePath,File.separator,"index.html"));
15         Writer fw=null;
16         PrintWriter bw=null;
17         //构建html文件
18         try{
19              fw= new BufferedWriter( new OutputStreamWriter(new FileOutputStream(htmlFile.getPath()),"UTF-8"));
20              bw=new PrintWriter(fw);
21              //添加表头及可缩放样式
22             String head="<!DOCTYPE html><html><head><meta charset=\"UTF-8\"></head><body style=\"transform: scale(0.7,0.7);-webkit-transform: scale(0.7,0.7);\">";
23             StringBuilder body=new StringBuilder();
24             for (String e : sheets) {
25                 body.append(e);
26             }
27             String foot="</body></html>";
28             bw.write(String.format("%s%s%s", head,body.toString(),foot));
29         }catch(Exception e){
30             throw new Exception("");//错误扔出
31         }finally{
32             if (bw != null) {
33                 bw.close();
34             }
35             if(fw!=null){
36                 fw.close();
37             }
38         }
39         String htmlZipFile=String.format("%s%s%s.%s",uploadPath,File.separator,file.getName().substring(0,file.getName().lastIndexOf(".")),"ZIP");
40         //压缩文件
41         scormService.zip(basePath, htmlZipFile);
42         file.delete();//删除上传的xlsx文件
43         FileUtils.forceDelete(new File(basePath));
44         return new ProcessFileInfo(true,new File(htmlZipFile).getName(),htmlZipFile);
45     }

View Code

(代码有二)

图片 11图片 12

 1     /**
 2      * 程序入口方法
 3      * 
 4      * @param filePath
 5      *            文件的路径
 6      * @return <table>
 7      *         ...
 8      *         </table>
 9      *         字符串
10      */
11     public static List<String> readExcelToHtml(String filePath) {
12             List<String> htmlExcel=null;
13             try {
14                 File sourcefile = new File(filePath);
15                 InputStream is = new FileInputStream(sourcefile);
16                 Workbook wb = WorkbookFactory.create(is);
17                 htmlExcel = getExcelToHtml(wb);
18             } catch (EncryptedDocumentException e) {
19                 e.printStackTrace();
20             } catch (FileNotFoundException e) {
21                 e.printStackTrace();
22             } catch (InvalidFormatException e) {
23                 e.printStackTrace();
24             } catch (IOException e) {
25                 e.printStackTrace();
26             }
27         return htmlExcel;
28         
29     }

View Code

 

以上只是显示了xlsx文件的情节包装和解析excel的入口计,整个解析类全部位居了utils包下,service里面仅管调用方法传参就好了,如下图:

图片 13

 

解析Excel的工具类一共有四独文件类,其中Excel2HtmlUtils是相符口类,其它三个都是关联Excel2HtmlUtils类处理Excel样式,需要注意的凡:工具类处理Excel的上势必要界定处理记录的数目,以免导致内存溢出荒谬,顺便说下:如果你解析的html供移动端采用,建议于html设置可缩放大小=>transform: scale(0.7,0.7);-webkit-transform:
scale(0.7,0.7);。

说完Excel解析,下面为闹pdf(图片ZIP包)解析html的代码有,由于代码较为简单,不多的说明,以下是有血有肉的兑现代码:

图片 14图片 15

 1     /**
 2          * 根据文件名中的数字排列图片
 3          *     a>提取文件名中的数字放入int数组(序列)
 4          *  b>判断序列数组元素个数与文件个数是否一致,不一致则抛出
 5          *  c>将序列数组从小到大排列
 6          *  d>遍历序列数组获取Map中的文件名(value)并写html
 7          */
 8         String nm=null;
 9         int[] i=new int[imgNames.size()];
10         Map<Integer,String> names=new HashMap<Integer,String>();
11         Pattern p=Pattern.compile("[^0-9]");
12         for(int j=0;j<imgNames.size();j++){
13             nm=imgNames.get(j).substring(0,imgNames.get(j).lastIndexOf("."));//提取名称
14             String idx=p.matcher(nm).replaceAll("").trim();
15             i[j]=Integer.parseInt("".equals(idx)?"0":idx);
16             names.put(i[j],imgNames.get(j));
17         }
18         if(names.keySet().size()!=i.length){
19             //System.out.println("====请检查您的图片编号====");/*重复或者不存在数字编号*/
20             return new ProcessFileInfo(false,null,null);
21         }
22         Arrays.sort(i);//int数组内元素从小到大排列
23 
24         //包装成html
25         StringBuilder html=new StringBuilder();
26         html.append("<!DOCTYPE html><html><head><meta charset='UTF-8'><title>PDF</title></head>");
27         html.append("<body style=\"margin:0px 0px;padding:0px 0px;\">");
28         for (int  k : i) {
29             html.append(String.format("%s%s%s%s%s","<div style=\"width:100%;\"><img src=\"./",fileName,File.separator,names.get(k),"\"  style=\"width:100%;\" /></div>"));
30         }
31         html.append("</body></html>");
32         File indexFile=new File(String.format("%s%s%s",basePath,File.separator,"index.html"));
33         Writer fw=null;
34         PrintWriter bw=null;
35         //构建文件(html写入html文件)
36         try{
37              fw= new BufferedWriter( new OutputStreamWriter(new FileOutputStream(indexFile),"UTF-8"));//以UTF-8的格式写入文件
38              bw=new PrintWriter(fw);
39              bw.write(html.toString());
40         }catch(Exception e){
41             throw new Exception(e.toString());//错误扔出
42         }finally{
43             if (bw != null) {
44                 bw.close();
45             }
46             if(fw!=null){
47                 fw.close();
48             }
49         }
50         String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,file.hashCode(),"ZIP");
51         scormService.zip(basePath, zipFilePath);
52         //删除文件
53         file.delete();
54         FileUtils.forceDelete(new File(basePath));
55         return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);
56     }

View Code

 

同Excel,由于自身以ppt存为mp4格式,上传后特待举行简单包装就可了,处理的时光一定要顾html对视频的相对引用,以下是现实性的兑现代码:

图片 16图片 17

 1     /**
 2      * 
 3      * @param file                    上传的文件的路径 c://xx.//xxx.mp4
 4      * @param uploadPath    保存html的基目录路径
 5      * @return
 6      * @throws Exception
 7      */
 8     public ProcessFileInfo processPPTX(File file,String uploadPath)throws Exception{
 9         String fileName=file.getName().substring(0,file.getName().lastIndexOf("."));//获取文件名称
10         String suffix=file.getName().substring(file.getName().lastIndexOf(".")+1,file.getName().length()).toLowerCase();//音频文件后缀名
11         String basePath=String.format("%s%s%s", uploadPath,File.separator,fileName);
12         FileUtils.forceMkdir(new File(basePath));
13         //将视频文件copy到basePath内
14         String videoPath=String.format("%s%s%s", basePath,File.separator,file.getName());
15         FileUtils.copyFile(file, new File(videoPath));
16         StringBuilder html=new StringBuilder();
17         html.append("<!DOCTYPE html><html><head><meta charset='utf-8'><title>powerpoint</title></head>");
18         html.append("<body style=\"margin:0px 0px;\"><div style=\"width:100%;margin:auto 0% auto 0%;\">");
19         html.append("<video controls=\"controls\"  width=\"100%\"  height=\"100%\" name=\"media\" >");//无背景图片
20         html.append(String.format("%s%s.%s%s%s%s%s","<source src=\"",fileName,suffix,"\" type=\"audio/",suffix,"\" >","</video></div>"));//视频
21         html.append("</body></html>");//结尾
22         File indexFile=new File(String.format("%s%s%s",basePath,File.separator,"index.html"));
23         Writer fw=null;
24         PrintWriter bw=null;
25         //构建文件(html写入html文件)
26         try{
27              fw= new BufferedWriter( new OutputStreamWriter(new FileOutputStream(indexFile),"UTF-8"));//以UTF-8的格式写入文件
28              bw=new PrintWriter(fw);
29              bw.write(html.toString());
30         }catch(Exception e){
31             throw new Exception(e.toString());//错误扔出
32         }finally{
33             if (bw != null) {
34                 bw.close();
35             }
36             if(fw!=null){
37                 fw.close();
38             }
39         }
40         String zipFilePath=String.format("%s%s%s.%s", uploadPath,File.separator,fileName,"ZIP");
41         scormService.zip(basePath, zipFilePath);
42         //删除文件
43         file.delete();
44         FileUtils.forceDelete(new File(basePath));
45         return new ProcessFileInfo(true,new File(zipFilePath).getName(),zipFilePath);
46     }

View Code

  虽然需要最终还是改化极简便的贯彻方式,这中间近乎白忙活的结果钻出来的实现方案或者出必要分享的,以上要能拉及开发者,哪怕只有生同一各,也是坏值得的。

转载请注明地址:http://www.cnblogs.com/funnyzpc/p/7225988.html 

相关文章