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(windows)

  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:

  1. [root@80ec6 fallback]# cat /etc/fonts/fonts.conf

  2. <!– Font directory list –>

  3. <dir>/usr/share/fonts</dir>

  4. <dir>/usr/share/X11/fonts/Type1</dir> <dir>/usr/share/X11/fonts/TTF</dir> <dir>/usr/local/share/fonts</dir>

  5. <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