java通過jacob來讀取word轉換為htm格式

轉自：http://blog.csdn.net/chinapi_hzh/article/details/5798689

因為微軟沒有公開word源代碼，是以直接用java流來讀取word的後果是讀出來的全是亂碼。是以必須通過jacob這個中間橋 。當然也可用poi來讀取。

     先說用poi讀取的方法吧。用poi讀取的話，先要下載下傳tm-extractors-0.4.jar百度一下可以找到。代碼如下：

1 import java.io.FileInputStream;
 2 
 3 try {
 4             FileInputStream fileinputstream = new FileInputStream(filepath);
 5             WordExtractor extractor = new WordExtractor();
 6             temp = extractor.extractText(fileinputstream);
 7             System.out.println(temp + "==temp");
 8             fileinputstream.close();
 9         } catch (Exception ex) {
10             System.out.println("FileNotFoundException error" + ex.getMessage());
11         }      

filepath為word文檔路徑，傳回一個temp字元串。這樣讀出來的不是亂碼了，但是效果并不如意。因為把word格式給丢掉了。

再說用jacob. 先到官方網站上去下載下傳：http://sourceforge.net/project/showfiles.php?group_id=109543&package_id=118368 jacob.zip.    下載下傳之後解壓，把jacob.jar放到項目/web-inf/lib下面。把jacob .dll放到c:/windos/system32/以及java/jdk*.*/jre/bin下面。這樣就算是配置完成了。說代碼：

1 import com.jacob.activeX.ActiveXComponent;
 2 import com.jacob.com.Dispatch;
 3 import com.jacob.com.Variant;
 4 public boolean ChageFormat (String FolderPath,String FileName){
 5      String FileFormat = "";
 6      System.out.println(FolderPath);
 7      FileFormat = FileName.substring(FileName.length()-4,FileName.length());
 8      System.out.println(FileFormat);
 9      if(FileFormat.equalsIgnoreCase(".doc"))
10      {
11          String DocFile = FolderPath +"//"+ FileName;
12          System.out.println("word檔案路徑："+DocFile);
13          //word檔案的完整路徑
14          String HtmlFile = DocFile.substring(0, (DocFile.length() - 4)) + ".htm";
15          System.out.println("htm檔案路徑："+HtmlFile);
16          //html檔案的完整路徑
17          ActiveXComponent app = new ActiveXComponent("Word.Application");
18          //啟動word
19          try
20          {
21            app.setProperty("Visible", new Variant(false));
22            //設定word程式非可視化運作
23            Dispatch docs = app.getProperty("Documents").toDispatch();
24            Dispatch doc = Dispatch.invoke(docs,"Open", Dispatch.Method, new Object[]{DocFile,new Variant(false), new Variant(true)}, new int[1]).toDispatch(); 
25            //打開word檔案
26            Dispatch.invoke(doc,"SaveAs",Dispatch.Method, new Object[]{HtmlFile,new Variant(8)}, new int[1]);
27            //作為htm格式儲存檔案
28            Dispatch.call(doc, "Close",new Variant(false));
29            //關閉檔案
30          }
31          catch (Exception e)
32          {
33            e.printStackTrace();
34          }
35          finally
36          {
37            app.invoke("Quit", new Variant[] {});
38            //退出word程式
39          }
40          //轉化完畢
41          return true;
42      }
43      return false;
44    }      

FolderPath為word存放路徑。FileName為word名稱。通過這個方法就把word檔案轉成的htm檔案。這時候就可以用流來讀取htm檔案了，讀出來的既不是亂碼。并且帶有格式。

另外要強調的是jacob這個元件和jdk,以及windows版本都有關系。是以版本一定要比對。否則會報錯。版本的問題就要挨個去試了。沒有捷徑可走。