OFFICE 文档转换为html在线预览
OFFICE 文档在线预览方案很多,比如
– 服务器先转换为PDF，再转换为SWF，最后通过网页加载Flash预览，比如flexpaper
– Office文档直接转换为SWF，通过网页加载Flash预览
– 微软的Office365
– 在浏览器中直接打开
– 转换为html
本文为大家介绍一种将office文档转换为html来预览的方案。
OFFICE 文档在线预览方案很多：
- 服务器先转换为PDF，再转换为SWF，最后通过网页加载Flash预览，比如flexpaper
- Office文档直接转换为SWF，通过网页加载Flash预览
- 微软的Office365
- 在浏览器中直接打开
- 转换为html
今天，我们要用的方案是转换为html来预览。
技术方案：
- office文档转换为pdf：使用libreoffice
- pdf转html，使用pdf2htmlex
测试环境：
操作系统：ubuntu 12.04
1. office文档转pdf
1.1 安装libreoffice
apt-get install libreoffice-common
1.2 启动转换服务
soffice --accept="socket,host=127.0.0.1,port=2002;urp;" --nofirststartwizard
1.3 文档转换
网上一般介绍的都是使用JODConverter ，通过java来调用转换服务，其实还有一种替代方案，就是使用pyodconverter，python版本的转换脚本https://github.com/mirkonasato/pyodconverter/
下载后，进行测试：
python DocumentConverter.py Website_Information_Form.doc new.pdf
soffice 可以正常转换为pdf，但是中文显示为乱码
1.4 中文乱码问题修复
google一下，乱码问题大概是字体缺失的问题，于是尝试将windows下的字体拷贝过去，复制windows下的字体到/usr/share/fonts下，然后刷新字体缓存
sudo fc-cache -fv 2>&1 | grep failed | cut -f1 -d":" | xargs -i sudo touch {} && sudo fc-cache -fv
再重启转换服务，再次测试，已经OK了！
2.pdf转html
pdf转html，使用国人开源的pdf2htmlex,一开始尝试通过源码编译安装，依赖组件太多，安装非常麻烦！感兴趣的可以执行编译安装，参见(https://github.com/coolwanglu/pdf2htmlEX/wiki/Building)
下面介绍简单安装方式：
2.1 通过apt安装
sudo add-apt-repository ppa:coolwanglu/pdf2htmlex
sudo apt-get update
sudo apt-get install pdf2htmlex
2.2 测试pdf2htmlex
pdf2htmlEX --zoom 1.3 xiaoshujiang.pdf
可以看到，当前目录生成了xiaoshujiang.html
2.3 转换脚本
写一个脚本，将两次转换放到一起，方便调用：
#convert2html.sh
temp=$(date +%Y%m%d%H%m%s)
python DocumentConverter.py $1 ${temp}.pdf
pdf2htmlEX --zoom 1.3 $temp.pdf
mv $temp.html $2
rm $temp.pdf
3. 测试
3.1 word （doc.docx）测试
convert2html.sh imo云办公室-私有云用户使用手册V2.0.doc imo-doc.html
效果：
3.2 表格 （xls）测试
convert2html.sh xxx.xlsx xxx.html
3.3 PPT （pptx）测试
./convert.sh xxx.pptx xxx.html
4. 总结
本文介绍了一种在服务端将office文档转换为html以方便预览的方法。
实际使用时，可以将生成好的html放到网站路径下，通过拦截器，设置访问权限。