将word转换成pdf确实有很多种方案！
背景
最近正好需要做一个这样的功能，需求是将word模板进行签名后转换为pdf。为此，我花了一点时间去网上找方案。期间遇到了一些坑，这里记录一下。
方案选择
首先，因为代码是跑在linux服务器上的，所以一般的，依赖windows office功能的方案就行不通了。这就排除了jacob这样一些效果很好的方案。
其次，我们的服务器上是不能安装office这样的软件的，而且对外部引入的maven jar包很严格，时间也比较紧张。考虑到这些因素，没有办法对这些方案一一详细了解。最终我选用了poi+itextpdf这样一种比较传统的方式。
poi+itextpdf这种方案利用html进行中转。也就是说先将word转成html格式，然后再将html转成pdf。html是String格式的，可以很方便地利用jsoup或字符串操作进行修改。这也是我选择这种方案的一个原因。
#关于依赖
首先遇到的一个问题就是maven依赖，网上的示例要么不全，要么存在缺失，要么版本有问题。经过最终验证，得到以下maven依赖。
注意jar包版本！我只在以下确定的版本上测试成功了。
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>fr.opensagres.xdocreport</groupId>
<artifactId>xdocreport</artifactId>
<version>1.0.6</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml-schemas</artifactId>
<version>3.14</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>ooxml-schemas</artifactId>
<version>1.3</version>
</dependency>
<dependency>
<groupId>com.itextpdf.tool</groupId>
<artifactId>xmlworker</artifactId>
<version>5.5.11</version>
</dependency>
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itext-asian</artifactId>
<version>5.2.0</version>
</dependency>
<!-- jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>
关于代码
package cn.hewie.pdf;
import com.itextpdf.text.BaseColor;
import com.itextpdf.text.Font;
import com.itextpdf.text.FontProvider;
import com.itextpdf.text.PageSize;
import com.itextpdf.text.pdf.BaseFont;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.tool.xml.XMLWorkerHelper;
import org.apache.commons.lang3.StringUtils;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.converter.PicturesManager;
import org.apache.poi.hwpf.converter.WordToHtmlConverter;
import org.apache.poi.hwpf.usermodel.PictureType;
import org.apache.poi.xwpf.converter.core.BasicURIResolver;
import org.apache.poi.xwpf.converter.core.FileImageExtractor;
import org.apache.poi.xwpf.converter.xhtml.XHTMLConverter;
import org.apache.poi.xwpf.converter.xhtml.XHTMLOptions;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.Entities;
import org.jsoup.select.Elements;
import org.w3c.dom.Document;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.OutputKeys;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import java.io.*;
import java.nio.charset.Charset;
/**
* 使用poi+itextpdf进行word转pdf
* 先将word转成html，再将html转成pdf
*
* @author ：hewie
* @date ：Created in 2020/2/27 22:41
*/
public class TestPoi {
/**
* 将doc格式文件转成html
*
* @param docPath doc文件路径
* @param imageDir doc文件中图片存储目录
* @return html
*/
public static String doc2Html(String docPath, String imageDir) {
String content = null;
ByteArrayOutputStream baos = null;
try {
HWPFDocument wordDocument = new HWPFDocument(new FileInputStream(docPath));
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(DocumentBuilderFactory.newInstance().newDocumentBuilder().newDocument());
wordToHtmlConverter.setPicturesManager(new PicturesManager() {
@Override
public String savePicture(byte[] content, PictureType pictureType, String suggestedName, float widthInches, float heightInches) {
File file = new File(imageDir + suggestedName);
FileOutputStream fos = null;
try {
fos = new FileOutputStream(file);
fos.write(content);
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if (fos != null) {
fos.close();
}
} catch (Exception e) {
e.printStackTrace();
}
}
return imageDir + suggestedName;
}
});
wordToHtmlConverter.processDocument(wordDocument);
Document htmlDocument = wordToHtmlConverter.getDocument();
DOMSource domSource = new DOMSource(htmlDocument);
baos = new ByteArrayOutputStream();
StreamResult streamResult = new StreamResult(baos);
TransformerFactory tf = TransformerFactory.newInstance();
Transformer serializer = tf.newTransformer();
serializer.setOutputProperty(OutputKeys.ENCODING, "utf-8");
serializer.setOutputProperty(OutputKeys.INDENT, "yes");
serializer.setOutputProperty(OutputKeys.METHOD, "html");
serializer.transform(domSource, streamResult);
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (baos != null) {
content = new String(baos.toByteArray(), "utf-8");
baos.close();
}
} catch (Exception e) {
e.printStackTrace();
}
}
return content;
}
/**
* 将docx格式文件转成html
*
* @param docxPath docx文件路径
* @param imageDir docx文件中图片存储目录
* @return html
*/
public static String docx2Html(String docxPath, String imageDir) {
String content = null;
FileInputStream in = null;
ByteArrayOutputStream baos = null;
try {
// 1> 加载文档到XWPFDocument
in = new FileInputStream(new File(docxPath));
XWPFDocument document = new XWPFDocument(in);
// 2> 解析XHTML配置（这里设置IURIResolver来设置图片存放的目录）
XHTMLOptions options = XHTMLOptions.create();
// 存放word中图片的目录
options.setExtractor(new FileImageExtractor(new File(imageDir)));
options.URIResolver(new BasicURIResolver(imageDir));
options.setIgnoreStylesIfUnused(false);
options.setFragment(true);
// 3> 将XWPFDocument转换成XHTML
baos = new ByteArrayOutputStream();
XHTMLConverter.getInstance().convert(document, baos, options);
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (in != null) {
in.close();
}
if (baos != null) {
content = new String(baos.toByteArray(), "utf-8");
baos.close();
}
} catch (Exception e) {
e.printStackTrace();
}
}
return content;
}
/**
* 使用jsoup规范化html
*
* @param html html内容
* @return 规范化后的html
*/
private static String formatHtml(String html) {
org.jsoup.nodes.Document doc = Jsoup.parse(html);
// 去除过大的宽度
String style = doc.attr("style");
if (StringUtils.isNotEmpty(style) && style.contains("width")) {
doc.attr("style", "");
}
Elements divs = doc.select("div");
for (Element div : divs) {
String divStyle = div.attr("style");
if (StringUtils.isNotEmpty(divStyle) && divStyle.contains("width")) {
div.attr("style", "");
}
}
// jsoup生成闭合标签
doc.outputSettings().syntax(org.jsoup.nodes.Document.OutputSettings.Syntax.xml);
doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml);
return doc.html();
}
/**
* html转成pdf
*
* @param html html
* @param outputPdfPath 输出pdf路径
*/
private static void htmlToPdf(String html, String outputPdfPath) {
com.itextpdf.text.Document document = null;
try {
// 纸
document = new com.itextpdf.text.Document(PageSize.A4);
// 笔
PdfWriter writer = PdfWriter.getInstance(document, new FileOutputStream(outputPdfPath));
document.open();
// html转pdf
XMLWorkerHelper.getInstance().parseXHtml(writer, document, new ByteArrayInputStream(html.getBytes()),
Charset.forName("UTF-8"), new FontProvider() {
@Override
public boolean isRegistered(String s) {
return false;
}
@Override
public Font getFont(String s, String s1, boolean embedded, float size, int style, BaseColor baseColor) {
// 配置字体
Font font = null;
try {
// 方案一：使用本地字体(本地需要有字体)
// BaseFont bf = BaseFont.createFont("c:/Windows/Fonts/simsun.ttc,0", BaseFont.IDENTITY_H, BaseFont.EMBEDDED);
// 方案二：使用jar包：iTextAsian，这样只需一个jar包就可以了
BaseFont bf = BaseFont.createFont("STSong-Light", "UniGB-UCS2-H", BaseFont.EMBEDDED);
font = new Font(bf, size, style, baseColor);
font.setColor(baseColor);
} catch (Exception e) {
e.printStackTrace();
}
return font;
}
});
} catch (Exception e) {
e.printStackTrace();
} finally {
if (document != null) {
document.close();
}
}
}
public static void main(String[] args) throws Exception {
String basePath = "F:/test/pdf/";
String docPath = basePath + "index.doc";
String docxPath = basePath + "index.docx";
String pdfPath = basePath + "index.pdf";
String imageDir = "F:/test/pdf/image/";
// 测试doc转pdf
// String docHtml = doc2Html(docPath, imageDir);
// docHtml = formatHtml(docHtml);
// htmlToPdf(docHtml, pdfPath);
// 测试docx转pdf
String docxHtml = docx2Html(docxPath, imageDir);
docxHtml = formatHtml(docxHtml);
docxHtml = docxHtml.replace("___", "张三");
htmlToPdf(docxHtml, pdfPath);
}
}
众所周知，word有多个版本。此demo中只考虑了doc和docx两种格式的处理。
另外，有几点需要注意一下。
- 因为word文件中很有可能会有图片，所以需要一个路径来将图片存储来下中转一下。如果不设置，pdf中将看不到图片哦~
- 因为生成的html中，存在style设置width过大的问题（docx转html场景），这会导致在生成的pdf中，存在大量的空格（如果“纸”小了，很可能发现整个pdf都是空白的）。因此需要将width去掉，这里直接干掉了style了，有点暴力~
- 转换后的模板很容易进行文字替换，例如：将用户名称填入
下面看一下效果吧，感觉还是不错的。
原始word如下：
转换成pdf如下：
关于坑
下面讲一讲遇到的几个问题吧！
1. 找不到方法，报错
Exception in thread “main” java.lang.NoSuchMethodError: org.apache.poi.POIXMLDocumentPart.getPackageRelationship()Lorg/apache/poi/openxml4j/opc/PackageRelationship;
这个原因排查了很长时间，后来发现是包版本原因。原先poi相关的几个jar包是3.17的，后来发现改成3.14后就可以了。
2. jsoup生成的标签不闭合，导致html转pdf失败，报错
com.itextpdf.tool.xml.exceptions.RuntimeWorkerException: Invalid nested tag p found, expected closing tag br.
这个问题在github上找到答案了。joup的老哥们认为有些标签，如
、在h5标准中，是不需要闭合的。但是咱们的引入的解析器XMLWorker不这么认为，所以就报这样的错了。
所幸jsoup中可以设置，代码如下：
doc.outputSettings().syntax(org.jsoup.nodes.Document.OutputSettings.Syntax.xml);
doc.outputSettings().escapeMode(Entities.EscapeMode.xhtml);
3. 转换后，中文都替换为空白了
这是因为没有对应的字体文件。这里有几种解决方案：
1） 使用系统自带的系统文件。缺点就是需要指定路径。如果是在linux环境部署的话，需要进行字体文件上传
2） 使用外部jar包
<dependency>
<groupId>com.itextpdf</groupId>
<artifactId>itext-asian</artifactId>
<version>5.2.0</version>
</dependency>
毫无疑问，这种方案比第一种方便多了。毕竟少了很多运维上的事了。
这两种方案都在代码中备注了。这里不再表述实现了。
4. 使用上述第一种方式解决中文字体问题，出错
\simsun.ttc’ with ‘Identity-H’ is not recognized或者type of font{0} is not recognized
原因是参数不对。如windows系统，地址应为：“c:/Windows/Fonts/simsun.ttc,0 “，注意结尾的”,0”
详情戳：https://blog.csdn.net/zhangtongpeng/article/details/100173633
源码地址
