word文档转pdf，支持.doc和.docx

心已赠人 2023-07-16 03:43 109阅读 0赞

word文档有需要兼容.doc和.docx两种文档格式。其中.docx通过poi直接就可以将word转成pdf，.doc则无法这样实现，上网查询很多资料，大概思路是正确的，既将.doc文档转成html，再将html转成pdf，具体实现的时候，却发现很多方法都不完善，要么转换的html标签不闭合，无法转pdf，要么是转pdf时中文不显示，在下将方法汇总之后，整理出一套亲测可用的代码，现附上，如下：

maven依赖：

<dependency>   
             <groupId>org.apache.poi</groupId>   
             <artifactId>poi</artifactId>   
             <version>3.14</version>   
            </dependency>   
            <dependency>   
             <groupId>org.apache.poi</groupId>   
             <artifactId>poi-scratchpad</artifactId>   
             <version>3.14</version>   
            </dependency>   
            <dependency>   
             <groupId>org.apache.poi</groupId>   
             <artifactId>poi-ooxml</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>org.xhtmlrenderer</groupId>  
                <artifactId>core-renderer</artifactId>  
                <version>R8</version>  
            </dependency>  
                                  
          
          
            <dependency>  
                <groupId>org.jsoup</groupId>  
                <artifactId>jsoup</artifactId>  
                <version>1.11.3</version>  
            </dependency>

代码：

/\*\*  
 \*   
 \*/  
package cn.test.util.utils;  
  
import java.io.File;  
import java.io.FileInputStream;  
import java.io.FileNotFoundException;  
import java.io.FileOutputStream;  
import java.io.IOException;  
import java.io.InputStream;  
import java.io.OutputStream;  
import java.util.ArrayList;  
import java.util.List;  
import java.util.Map;  
  
import javax.xml.parsers.DocumentBuilder;  
import javax.xml.parsers.DocumentBuilderFactory;  
import javax.xml.parsers.ParserConfigurationException;  
import javax.xml.transform.OutputKeys;  
import javax.xml.transform.Transformer;  
import javax.xml.transform.TransformerConfigurationException;  
import javax.xml.transform.TransformerException;  
import javax.xml.transform.TransformerFactory;  
import javax.xml.transform.dom.DOMSource;  
import javax.xml.transform.stream.StreamResult;  
  
import org.apache.commons.collections.MapUtils;  
import org.apache.commons.lang.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.Picture;  
import org.apache.poi.hwpf.usermodel.PictureType;  
import org.apache.poi.xwpf.converter.pdf.PdfConverter;  
import org.apache.poi.xwpf.converter.pdf.PdfOptions;  
import org.apache.poi.xwpf.usermodel.XWPFDocument;  
import org.apache.poi.xwpf.usermodel.XWPFParagraph;  
import org.apache.poi.xwpf.usermodel.XWPFRun;  
import org.apache.poi.xwpf.usermodel.XWPFTable;  
import org.apache.poi.xwpf.usermodel.XWPFTableCell;  
import org.apache.poi.xwpf.usermodel.XWPFTableRow;  
import org.jsoup.Jsoup;  
import org.jsoup.nodes.Entities;  
import org.slf4j.Logger;  
import org.slf4j.LoggerFactory;  
import org.w3c.dom.Document;  
import org.xhtmlrenderer.pdf.ITextFontResolver;  
import org.xhtmlrenderer.pdf.ITextRenderer;  
  
import com.itextpdf.text.DocumentException;  
import com.itextpdf.text.pdf.PdfCopy;  
import com.itextpdf.text.pdf.PdfImportedPage;  
import com.itextpdf.text.pdf.PdfReader;  
import com.lowagie.text.pdf.BaseFont;  
  
  
/\*\*  
 \* @author gsxs  
 \*    <li>word转pdf工具类<li>  
 \*    @since 2019年2月26日15:52:21  
 \*/  
public class Word2PDFUtils \{  
  
    private static final Logger logger = LoggerFactory  
            .getLogger(Word2PDFUtils.class);  
  
    public static void main(String\[\] args) \{  
        try \{  
            word2PDF("D://Test/test.doc",  
                    "D:/Test/test.pdf");  
        \} catch (Exception e) \{  
            // TODO Auto-generated catch block  
            e.printStackTrace();  
        \}  
    \}  
  
    /\*\*  
     \* word文档转pdf，自动匹配.doc和.docx格式  
     \*   
     \* @param wordFilePath  
     \*            word文档路径  
     \* @param pdfFilePath  
     \*            欲输出pdf文档路径  
     \* @throws Exception  
     \*/  
    public static File word2PDF(String wordFilePath, String pdfFilePath)  
            throws Exception \{  
        if (StringUtils.isBlank(pdfFilePath)  
                || StringUtils.isBlank(wordFilePath)) \{  
            logger.info("word2PDF 文件路径为空，wordFilePath=\{\}，pdfFilePath=\{\}",  
                    wordFilePath, pdfFilePath);  
            return null;  
        \}  
        File wordFile = new File(wordFilePath);  
        File pdfFile = new File(pdfFilePath);  
        return word2PDF(wordFile, pdfFile);  
    \}  
  
    /\*\*  
     \* word文档转pdf，自动匹配.doc和.docx格式  
     \*   
     \* @param wordFile  
     \*            word文档File对象  
     \* @param pdfFile  
     \*            pdfFile对象  
     \* @throws Exception  
     \* @throws FileNotFoundException  
     \*/  
    public static File word2PDF(File wordFile, File pdfFile) throws Exception \{  
        if (null == wordFile || null == pdfFile) \{  
            logger.info("word2PDF 文件对象为空，wordFile=\{\}，pdfFile=\{\}", wordFile,  
                    pdfFile);  
            return null;  
        \}  
        String wordName = wordFile.getName();  
        if (!wordName.endsWith(".doc") && !wordName.endsWith(".docx")) \{  
            // 格式不对  
            logger.info("不是word文档格式，文件路径=\{\}", wordFile.getAbsolutePath());  
            return null;  
        \}  
        File pdfParentFile = pdfFile.getParentFile();  
        if (!pdfParentFile.exists()) \{  
            pdfParentFile.mkdirs();  
        \}  
        String absolutePath = pdfParentFile.getAbsolutePath();  
        wordName = wordName.substring(0, wordName.indexOf("."));  
        String pdfPath = absolutePath + "/pdf/" + wordName + ".pdf";  
        File tempPdfFile = new File(pdfPath);  
        if (wordFile.getName().endsWith("doc")) \{  
            String htmlPath = absolutePath + "/html/" + wordName + ".html";  
            File htmlFile = new File(htmlPath);  
            // doc格式word文档，先转成html，再格式化标签成xhtml，最后转成pdf  
            wordDocToHtml(wordFile, htmlFile);  
            convertHtmlToPdf(htmlFile, tempPdfFile);  
            // 删除html文件  
            boolean delete = htmlFile.delete();  
            logger.info("删除htmlFile路径path=\{\}，结果=\{\}",  
                    htmlFile.getAbsolutePath(), delete);  
        \} else if (wordFile.getName().endsWith("docx")) \{  
            // docx格式转pdf  
            wordConverterToPdf(new FileInputStream(wordFile),  
                    new FileOutputStream(tempPdfFile), null);  
        \}  
        // 抽取第一页  
        splitPDFFile(tempPdfFile.getAbsolutePath(), pdfFile.getAbsolutePath(),  
                1, 2);  
        // 删除临时的pdf文件  
        boolean delete = tempPdfFile.delete();  
        logger.info("删除tempPdfFile路径path=\{\}，结果=\{\}",  
                tempPdfFile.getAbsolutePath(), delete);  
        return pdfFile;  
    \}  
  
    /\*\*  
     \* 将word文档， 转换成pdf, 中间替换掉变量  
     \*   
     \* @param source  
     \*            源为word文档， 必须为docx文档  
     \* @param target  
     \*            目标输出  
     \* @param params  
     \*            需要替换的变量  
     \* @throws Exception  
     \*/  
    private static void wordConverterToPdf(InputStream source,  
            OutputStream target, Map<String, String> params) throws Exception \{  
        wordConverterToPdf(source, target, null, params);  
    \}  
  
    /\*\*  
     \* 将word文档， 转换成pdf, 中间替换掉变量  
     \*   
     \* @param source  
     \*            源为word文档， 必须为docx文档  
     \* @param target  
     \*            目标输出  
     \* @param params  
     \*            需要替换的变量  
     \* @param options  
     \*            PdfOptions.create().fontEncoding( "windows-1250" ) 或者其他  
     \* @throws Exception  
     \*/  
    private static void wordConverterToPdf(InputStream source,  
            OutputStream target, PdfOptions options, Map<String, String> params)  
            throws Exception \{  
        XWPFDocument doc = new XWPFDocument(source);  
        paragraphReplace(doc.getParagraphs(), params);  
        // 存在需要替换的再循环  
        if (MapUtils.isNotEmpty(params)) \{  
            for (XWPFTable table : doc.getTables()) \{  
                for (XWPFTableRow row : table.getRows()) \{  
                    for (XWPFTableCell cell : row.getTableCells()) \{  
                        paragraphReplace(cell.getParagraphs(), params);  
                    \}  
                \}  
            \}  
        \}  
        PdfConverter.getInstance().convert(doc, target, options);  
    \}  
  
    /\*\*  
     \* 替换数据  
     \*   
     \* @param paragraphs  
     \* @param params  
     \*/  
    private static void paragraphReplace(List<XWPFParagraph> paragraphs,  
            Map<String, String> params) \{  
        if (MapUtils.isNotEmpty(params)) \{  
            for (XWPFParagraph p : paragraphs) \{  
                for (XWPFRun r : p.getRuns()) \{  
                    String content = r.getText(r.getTextPosition());  
                    if (StringUtils.isNotEmpty(content)  
                            && params.containsKey(content)) \{  
                        r.setText(params.get(content), 0);  
                    \}  
                \}  
            \}  
        \}  
    \}  
  
    /\*\*  
     \* .doc文档转html  
     \*   
     \* @param wordFile  
     \*            word File对象  
     \* @param htmlFile  
     \*            html File对象  
     \*/  
    private static void wordDocToHtml(File wordFile, File htmlFile) \{  
  
        if (null == wordFile || null == htmlFile) \{  
            return;  
        \}  
        File parentFile = htmlFile.getParentFile();  
        if (!parentFile.exists()) \{  
            parentFile.mkdirs();  
        \}  
        String absolutePath = parentFile.getAbsolutePath();  
        HWPFDocument wordDocument;  
        final String imagepath = absolutePath + "/temp/wordimage/";  
        try \{  
            // 根据输入文件路径与名称读取文件流  
            InputStream in = new FileInputStream(wordFile);  
            // 把文件流转化为输入wordDom对象  
            wordDocument = new HWPFDocument(in);  
            // 通过反射构建dom创建者工厂  
            DocumentBuilderFactory domBuilderFactory = DocumentBuilderFactory  
                    .newInstance();  
            // 生成dom创建者  
            DocumentBuilder domBuilder = domBuilderFactory.newDocumentBuilder();  
            // 生成dom对象  
            Document dom = domBuilder.newDocument();  
            // 生成针对Dom对象的转化器  
            WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(  
                    dom);  
            // 转化器重写内部方法  
            wordToHtmlConverter.setPicturesManager(new PicturesManager() \{  
                @Override  
                public String savePicture(byte\[\] content,  
                        PictureType pictureType, String suggestedName,  
                        float widthInches, float heightInches) \{  
                    File imgPath = new File(imagepath);  
                    if (!imgPath.exists()) \{// 图片目录不存在则创建  
                        imgPath.mkdirs();  
                    \}  
                    File file = new File(imagepath + suggestedName);  
                    try \{  
                        OutputStream os = new FileOutputStream(file);  
                        os.write(content);  
                        os.close();  
                    \} catch (FileNotFoundException e) \{  
                        e.printStackTrace();  
                    \} catch (IOException e) \{  
                        e.printStackTrace();  
                    \}  
                    return imagepath + suggestedName;  
                \}  
            \});  
            // 转化器开始转化接收到的dom对象  
            wordToHtmlConverter.processDocument(wordDocument);  
            // 保存文档中的图片  
            List<?> pics = wordDocument.getPicturesTable().getAllPictures();  
            if (pics != null) \{  
                for (int i = 0; i < pics.size(); i++) \{  
                    Picture pic = (Picture) pics.get(i);  
                    try \{  
                        pic.writeImageContent(new FileOutputStream(imagepath  
                                + pic.suggestFullFileName()));  
                    \} catch (FileNotFoundException e) \{  
                        e.printStackTrace();  
                    \}  
                \}  
            \}  
            // 从加载了输入文件中的转换器中提取DOM节点  
            Document htmlDocument = wordToHtmlConverter.getDocument();  
            // 从提取的DOM节点中获得内容  
            DOMSource domSource = new DOMSource(htmlDocument);  
  
            // 字节码输出流  
            OutputStream out = new FileOutputStream(htmlFile);  
            // 输出流的源头  
            StreamResult streamResult = new StreamResult(out);  
            // 转化工厂生成序列转化器  
            TransformerFactory tf = TransformerFactory.newInstance();  
            Transformer serializer = tf.newTransformer();  
            // 设置序列化内容格式  
            serializer.setOutputProperty(OutputKeys.ENCODING, "Unicode");//此处根据你 的word文档的编码格式进行设置  
            serializer.setOutputProperty(OutputKeys.INDENT, "yes");  
            serializer.setOutputProperty(OutputKeys.METHOD, "html");  
  
            serializer.transform(domSource, streamResult);  
            out.close();  
            in.close();  
        \} catch (FileNotFoundException e1) \{  
            e1.printStackTrace();  
        \} catch (IOException e1) \{  
            e1.printStackTrace();  
        \} catch (TransformerConfigurationException e) \{  
            e.printStackTrace();  
        \} catch (TransformerException e) \{  
            e.printStackTrace();  
        \} catch (ParserConfigurationException e) \{  
            e.printStackTrace();  
        \}  
  
    \}  
  
    /\*\*  
     \* .doc转html  
     \*   
     \* @param wordFilePath  
     \* @param htmlFilePath  
     \*/  
    private static void wordDocToHtml(String wordFilePath, String htmlFilePath) \{  
  
        if (org.apache.commons.lang3.StringUtils.isAnyBlank(wordFilePath,  
                htmlFilePath)) \{  
            return;  
        \}  
        File wordFile = new File(wordFilePath);  
        File htmlFile = new File(htmlFilePath);  
        wordDocToHtml(wordFile, htmlFile);  
    \}  
  
    /\*\*  
     \* html转pdf  
     \*   
     \* @param htmlFile  
     \* @param pdfFile  
     \* @return  
     \* @throws Exception  
     \*/  
    private static boolean convertHtmlToPdf(File htmlFile, File pdfFile)  
            throws Exception \{  
        if (null == htmlFile || null == pdfFile) \{  
            logger.info("html转pdf时，有file为空，htmlFile=\{\}，pdfFile=\{\}", htmlFile,  
                    pdfFile);  
            return false;  
        \}  
        String absoluteFilePath = htmlFile.getParentFile().getAbsolutePath();  
        if (!pdfFile.getParentFile().exists()) \{  
            pdfFile.getParentFile().mkdirs();  
        \}  
  
        // .doc转成的html中有些标签：例如<mate>不严谨，会出现标签不闭合问题，在转pdf时会报异常，故此处用jsoup将html转化成xhtml，将标签严谨化  
        // 格式化html标签  
        org.jsoup.nodes.Document parse = Jsoup.parse(htmlFile, "utf-8");  
        parse.outputSettings()  
                .syntax(org.jsoup.nodes.Document.OutputSettings.Syntax.xml)  
                .escapeMode(Entities.EscapeMode.xhtml);  
        String html = parse.html();  
        // 此处将body标签中的字体设置为SimSun，必须是这种样式，才会识别中文支持的文件，如果不设置，会出现转成的pdf中文不显示问题（此处需要替换的字段，可用将自己转成的html打印出来，查看是否是宋体，如不是，将宋体改为你转换成html的字体格式）  
        html = html.replace("font-family:宋体", "font-family: SimSun");  
        OutputStream os = new FileOutputStream(pdfFile);  
        ITextRenderer renderer = new ITextRenderer();  
        renderer.setDocumentFromString(html);  
        // 解决中文支持问题  
        ITextFontResolver fontResolver = renderer.getFontResolver();  
        String path = Word2PDFUtils.class.getClassLoader()  
                .getResource("simsun.ttc").getPath();  
        logger.info(path);  
        fontResolver.addFont(path, BaseFont.IDENTITY\_H, BaseFont.NOT\_EMBEDDED);  
        // 解决图片的相对路径问题  
        renderer.getSharedContext().setBaseURL(  
                "file:" + absoluteFilePath + "/temp/htmlimage");  
        renderer.layout();  
        renderer.createPDF(os);  
        os.flush();  
        os.close();  
        return true;  
  
    \}  
  
    /\*\*  
     \* html转pdf  
     \*   
     \* @param inputFile  
     \* @param outputFile  
     \* @return  
     \* @throws Exception  
     \*/  
    private static boolean convertHtmlToPdf(String inputFile, String outputFile)  
            throws Exception \{  
        if (org.apache.commons.lang3.StringUtils.isAnyBlank(inputFile,  
                outputFile)) \{  
            logger.info("html转pdf是，路径为空，inputFile=\{\}，outputFile=\{\}", inputFile,  
                    outputFile);  
            ;  
            return false;  
        \}  
        File htmlFile = new File(inputFile);  
        File pdfFile = new File(outputFile);  
        return convertHtmlToPdf(htmlFile, pdfFile);  
    \}  
  
    /\*\*  
     \* 截取pdfFile的第from页至第end页，组成一个新的文件名  
     \*   
     \* @param pdfFile  
     \*            需要分割的PDF  
     \* @param savepath  
     \*            新PDF  
     \* @param from  
     \*            起始页  
     \* @param end  
     \*            结束页  
     \*/  
    private static void splitPDFFile(String respdfFile, String savepath,  
            int from, int end) \{  
        com.itextpdf.text.Document document = null;  
        PdfCopy copy = null;  
        try \{  
            PdfReader reader = new PdfReader(respdfFile);  
            int n = reader.getNumberOfPages();  
            if (end == 0) \{  
                end = n;  
            \}  
            ArrayList<String> savepaths = new ArrayList<String>();  
            savepaths.add(savepath);  
            document = new com.itextpdf.text.Document(reader.getPageSize(1));  
            copy = new PdfCopy((com.itextpdf.text.Document) document,  
                    new FileOutputStream(savepaths.get(0)));  
            document.open();  
            for (int j = from; j < end; j++) \{  
                document.newPage();  
                PdfImportedPage page = copy.getImportedPage(reader, j);  
                copy.addPage(page);  
            \}  
            document.close();  
            reader.close();  
            copy.close();  
        \} catch (IOException e) \{  
            e.printStackTrace();  
        \} catch (DocumentException e) \{  
            e.printStackTrace();  
        \}  
    \}  
  
\}

其中.doc文档转html方法与其他一样，只是转完html时需要用jsoup转一遍xhtml，使标签严谨化，然后转pdf，转pdf时加入中文字体支持，

如果报没有搜索到方法的异常，可能是jar包版本的问题，就将依赖放开试试，我开始的时候遇见过这个异常，后来随着导入的依赖增多，这个依赖注掉也不会有这个异常了。可能是其他的依赖里有这个版本--2.0.8的itext的jar包，但是不确定你的其他依赖里是否存在，故此说明

另外附上文件simsun.ttc百度云下载地址：

链接：https://pan.baidu.com/s/1iH4iqJB2X\_0gB7T4\_CClzA   
提取码：7rmn