shell下office、html、pdf文档互转方法

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

1.2 启动转换服务

soffice --accept="socket,host=127.0.0.1,port=2002;urp;" --nofirststartwizard

• 1

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

• 1

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

• 1

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

• 1
• 2
• 3

2.2 测试pdf2htmlex

pdf2htmlEX --zoom 1.3 xiaoshujiang.pdf

• 1

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

• 1
• 2
• 3
• 4
• 5
• 6

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

• 1

效果：

3.2 表格 （xls）测试

convert2html.sh xxx.xlsx xxx.html

• 1

3.3 PPT （pptx）测试

./convert.sh xxx.pptx xxx.html

• 1

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。