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

Java代码







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(); } }

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