关于openOffice对于word的转换及遇到的问题
一：需求详情：
公司需要存储合同文件，用户上传word文档的合同，通过openOffice去把word转换为pdf、再把pdf转换为图片格式，并分别存储。因为openOffice的转换需要耗费挺大的内存，所以设计为task任务，凌晨自动转换。
记录本次需求完成的时候遇到的问题。
二：过程
1：本地环境编码（windows）
第一步：因为是本地环境的编码而且是Windows环境，所以从安装openOffice开始，到启动服务并没有遇到难题。
第二步：转换所需要的工具包；
1 <dependency>
2 <groupId>commons-cli</groupId>
3 <artifactId>commons-cli</artifactId>
4 <version>1.2</version>
5 </dependency>
6
7 <dependency>
8 <groupId>commons-io</groupId>
9 <artifactId>commons-io</artifactId>
10 <version>1.4</version>
11 </dependency>
12
13 <dependency>
14 <groupId>org.openoffice</groupId>
15 <artifactId>juh</artifactId>
16 <version>3.0.1</version>
17 </dependency>
18
19 <dependency>
20 <groupId>org.openoffice</groupId>
21 <artifactId>jurt</artifactId>
22 <version>3.0.1</version>
23 </dependency>
24
25 <dependency>
26 <groupId>org.openoffice</groupId>
27 <artifactId>ridl</artifactId>
28 <version>3.0.1</version>
29 </dependency>
30
31 <dependency>
32 <groupId>org.slf4j</groupId>
33 <artifactId>slf4j-api</artifactId>
34 </dependency>
35
36 <dependency>
37 <groupId>org.slf4j</groupId>
38 <artifactId>slf4j-jdk14</artifactId>
39 <scope>test</scope>
40 </dependency>
41
42 <dependency>
43 <groupId>org.openoffice</groupId>
44 <artifactId>unoil</artifactId>
45 <version>3.0.1</version>
46 </dependency>
47
48 <dependency>
49 <groupId>com.thoughtworks.xstream</groupId>
50 <artifactId>xstream</artifactId>
51 <version>1.3.1</version>
52 </dependency>
53
54 <dependency>
55 <groupId>org.apache.pdfbox</groupId>
56 <artifactId>fontbox</artifactId>
57 <version>2.0.8</version>
58 </dependency>
59
60 <dependency>
61 <groupId>org.apache.pdfbox</groupId>
62 <artifactId>pdfbox</artifactId>
63 <version>2.0.8</version>
64 </dependency>
问题1：在这里遇到了第一个问题，就是在maven的中央仓库找不到关键的依赖jar包的问题。
jodconverter-cli 这个jar包中央仓库找不到jar包依赖，jodconverter 版本才到2.2.1（这个版本之前的不能支持docx格式转换，2.2.2及以后才开始支持。）
然后和大牛商量，加入到公司内网自己的maven仓库。
第三步：工具类
1 /**
2 * @author GH
3 * 输入文件
4 * 输出文件
5 */
6 public class WordToPdf {//word转pdf
7 public static void docToPdf(File inputFile, File outputFile){
8 OpenOfficeConnection connection = new SocketOpenOfficeConnection(8100);
9 try{
10 connection.connect();
11 DocumentConverter converter = new OpenOfficeDocumentConverter(connection);
12 converter.convert(inputFile, outputFile);
13 }catch(ConnectException cex){
14 cex.printStackTrace();
15 }finally{
16 if(connection!=null){
17 connection.disconnect();
18 connection = null;
19 }
20 }
21 }
22 }
1 /**
2 * @author GH
3 * 参数1：要装换的pdf位置
4 * 参数2：转换后的图片存放位置
5 * 参数3：中间要拼接的名字
6 * return：转换后的img名字集合
7 */
8 public class PdfToImage {//pdf转img
9 public static List<String> pdfToImagePath(String srcFile,String contractFromSrc,String name){
10 List<String> list = new ArrayList<>();
11 String imagePath;
12 File file = new File(srcFile);
13 try {
14 File f = new File(contractFromSrc);
15 if(!f.exists()){
16 f.mkdir();
17 }
18 PDDocument doc = PDDocument.load(file);
19 PDFRenderer renderer = new PDFRenderer(doc);
20 int pageCount = doc.getNumberOfPages();
21 for(int i=0; i<pageCount; i++){
22 // 方式1,第二个参数是设置缩放比(即像素)
23 // BufferedImage image = renderer.renderImageWithDPI(i, 296);
24 // 方式2,第二个参数是设置缩放比(即像素)
25 BufferedImage image = renderer.renderImage(i, 2f); //第二个参数越大生成图片分辨率越高，转换时间也就越长
26 imagePath = contractFromSrc+name+"-"+i +".jpg";
27 ImageIO.write(image, "PNG", new File(imagePath));
28 list.add(name+"-"+i +".jpg");
29 }
30 doc.close();
31 } catch (IOException e) {
32 e.printStackTrace();
33 }
34 return list;
35 }
36 }
第四步：编码
首先从数据库读取没有转换过的集合，循环下载oss对象存储文件到指定临时文件夹。
通过工具类转换下载的word为pdf，录入数据pdf记录，上传oss对象pdf图片。
通过工具类转换得到的pdf图片，录入数据路图片记录，上传转换得到的img图片。
try catch捕捉异常，有异常就回滚数据库，删除oss对象上传的文件。
修改word的转换状态为已转换。
问题2：因为到最后测试环境和生产环境都是Linux系统的，因为涉及到文件的操作，但是Linux和Windows的文件路径是不一样的，例如：Windows文件路径为（C:\tmp\test.txt）Linux则为（/tmp/test.txt）
因此 采用这种方式
1 public final static String Convert_Tmp_Url="C:"+File.separator+"temp"+File.separator+"contractToImg"+File.separator;//进行word——img转换的时候的暂时存放路径 window
2 public final static String Convert_Tmp_Url2=File.separator+"tmp"+File.separator+"contractToImg"+File.separator;//进行word——img转换的时候的暂时存放路径 linux
File.separator 与系统有关的默认名称分隔符，为了方便，它被表示为一个字符串 在Linux此字段的值为 \’/\’ Windows为\’\\’
第五步：本地测试，没有问题。
2：测试环境测试（Linux）
问题3：在Linux环境下word转换word中文出现乱码 空白，导致的原因是Linux缺少中文字体编码。
解决方法：
步骤1：创建路径。
在centos的/usr/java/jdk1.8.0_91/jre/lib/fonts下新建路径：fallback。
步骤2：上传字体。
将字体：simhei.ttf 黑体、simsun.ttc 宋体（windows下通过everything找下）上传至/usr/java/jdk1.8.0_91/jre/lib/fonts/fallback路径下。
步骤3：查看系统字体文件路径。
查看方案:
-
[root@80ec6 fallback]# cat /etc/fonts/fonts.conf
-
<!– Font directory list –>
-
<dir>/usr/share/fonts</dir>
-
<dir>/usr/share/X11/fonts/Type1</dir> <dir>/usr/share/X11/fonts/TTF</dir> <dir>/usr/local/share/fonts</dir>
-
<dir>~/.fonts</dir>
步骤4：字体拷贝。
将 /usr/java/jdk1.8.0_91/jre/lib/fonts的全部内容，拷贝到步骤3查看的路径下， 我的字体路径为：/usr/share/fonts。
步骤5：更新缓存
执行命令：fc-cache
步骤6：kill掉openoffice进程。
[root@80ec6 fonts]# ps -ef | grep openoffice
root 3045 3031 0 06:19 pts/1 00:00:03 /opt/openoffice4/program/soffice.bin -headless –accept=socket,host=127.0.0.1,port=8100;urp; -nofirststartwizard
执行kill：kill –9 3045
步骤7：重启后台运行openoffice。
[root@a3cf78780ec6 openoffice4]# soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard &
3：测试环境和生产环境内核不一样，安装的安装包不一样。
测试环境的安装的是deb文件，使用 dpkg命令安装所有的deb文件，启动服务就能使用。
生产环境的是dpkg命令找不到。改换安装prm文件，执行安装之后，竟然启动不了，查找原因之后尽然是没有安装完，RPMS目录下有desktop-integration文件夹，进入到desktop-integration目录，里面有四个rpm 文件，选择相应的安装即可，这里我选择的是redhat版本。
执行 rpm -ivh openoffice4.1.5-redhat-menus-4.1.5-9789.noarch.rpm