Java将Word转换成PDF

最近项目需要做在线预览文档功能,要求对word文档后台转为pdf,遇到了很多问题,因此记录一下。

网上有很多将Word转换成PDF的方式,这里我试了几种比较简单的方式:POI、aspose、spire和documents4j。

1、POI

POI是Apache下的一个Java类库,可以帮助我们实现Java与各种Office格式文件的互相转换。下面是实现步骤:

引入依赖


<dependency>
    <groupId>org.apache.poigroupId>
    <artifactId>poiartifactId>
    <version>4.1.2version>
dependency>
 
<dependency>
    <groupId>org.apache.poigroupId>
    <artifactId>poi-ooxmlartifactId>
    <version>4.1.2version>
dependency>
 
<dependency>
    <groupId>com.itextpdfgroupId>
    <artifactId>itextpdfartifactId>
    <version>5.5.13.2version>
dependency>

工具类代码:

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFTableRow;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun;
import com.lowagie.text.Document;
import com.lowagie.text.DocumentException;
import com.lowagie.text.pdf.PdfWriter;
public class WordToPdfConverter {
    public static void convertToPdf(String inputFilePath, String outputFilePath) {
        try {
            // 加载Word文档
            FileInputStream fis = new FileInputStream(inputFilePath);
            XWPFDocument document = new XWPFDocument(fis);
             // 创建PDF文档
            Document pdfDoc = new Document();
            PdfWriter.getInstance(pdfDoc, new FileOutputStream(outputFilePath));
            pdfDoc.open();
             // 将Word文档内容写入PDF文档
            for (XWPFParagraph paragraph : document.getParagraphs()) {
                pdfDoc.add(paragraph.createRun().getText());
            }
             for (XWPFTable table : document.getTables()) {
                for (XWPFTableRow row : table.getRows()) {
                    for (XWPFTableCell cell : row.getTableCells()) {
                        pdfDoc.add(cell.getText());
                    }
                }
            }
             pdfDoc.close();
            document.close();
             System.out.println("Word文档已成功转换为PDF!");
        } catch (IOException | DocumentException e) {
            e.printStackTrace();
        }
    }
     public static void main(String[] args) {
        String inputFilePath = "input.docx";
        String outputFilePath = "output.pdf";
        convertToPdf(inputFilePath, outputFilePath);
     }
}

POI库在转换过程中无法完全保留Word文档的所有样式。POI库的主要目标是处理Word文档的内容,而不是完全复制其样式。因此,转换后的PDF文件可能会有一些样式差异。如果是比较复杂的Word不建议使用此方式

2、Aspose.Words

Aspose.Words for Java是一个原生库,为开发人员提供了丰富的功能来创建、编辑和转换 Word、PDF、Web 文档,而无需在系统上安装 Microsoft Word 环境。该 Java 库是依赖于文档对象模型 (DOM) 的类和方法的集合,使开发人员能够在元素级别直接访问文档的内部工作方式。使用我们的产品,Java 开发人员可以高效地创建复杂的文档并修改其格式、布局和内容。
对于寻求综合工具来简化文档编辑和文档生成任务的开发人员来说,这个原生 Java API 是一个可靠的文档处理解决方案;大规模自动化文档密集型业务流程;减少人工干预、错误和延迟。

官网:https://products.aspose.com/words/java/

引入依赖(建议将jar包下载下来并上传私服里去)

https://releases.aspose.com/java/repo/com/aspose/aspose-words/18.6/aspose-words-18.6-jdk16.jar

<dependency>
    <groupId>com.asposegroupId>
    <artifactId>aspose-wordsartifactId>
    <version>18.6version>
    <classifier>jdk16classifier>
dependency>

需要在项目里加入一个license.xml,不然生成的pdf会有水印

license.xml如下:


<License>
    <Data>
        <Products>
            <Product>Aspose.Total for JavaProduct>
            <Product>Aspose.Words for JavaProduct>
        Products>
        <EditionType>EnterpriseEditionType>
        <SubscriptionExpiry>20991231SubscriptionExpiry>
        <LicenseExpiry>20991231LicenseExpiry>
        <SerialNumber>8bfe198c-7f0c-4ef8-8ff0-acc3237bf0d7SerialNumber>
    Data>
    <Signature>sNLLKGMUdF0r8O1kKilWAGdgfs2BvJb/2Xp8p5iuDVfZXmhppo+d0Ran1P9TKdjV4ABwAgKXxJ3jcQTqE/2IRfqwnPf8itN8aFZlV3TJPYeD3yWE7IT55Gz6EijUpC7aKeoohTb4w2fpox58wWoF3SNp6sK6jDfiAUGEHYJ9pjU=Signature>
License>

代码如下:

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import com.aspose.words.Document;
import com.aspose.words.License;
import com.aspose.words.FontSettings;
import com.aspose.words.SaveFormat;

public static boolean asposeWordToPdf() {
        if (!getLicense()) { // 验证License 若不验证则转化出的pdf文档会有水印产生
            return false;
        }
        String inPath = "D:\\GoogleDownload\\ExportWord_230803_032555.docx";
        String outputFilePath = "C:\\Users\\WPC\\Desktop\\test.pdf";
        FileOutputStream os = null;

        try {
            long old = System.currentTimeMillis();
            File file = new File(outputFilePath); // 新建一个空白pdf文档
            os = new FileOutputStream(file);
            com.aspose.words.Document doc = new Document(inPath); // Address是将要被转化的word文档
            //Linux 下使用字体库
//            FontSettings fontSettings = new FontSettings();
//            fontSettings.setFontsFolder("/usr/share/fonts/windows"+File.separator,true);
//            doc.setFontSettings(fontSettings);
            doc.save(os, SaveFormat.PDF);// 全面支持DOC, DOCX, OOXML, RTF HTML, OpenDocument, PDF,
            // EPUB, XPS, SWF 相互转换
            long now = System.currentTimeMillis();
            System.out.println("pdf转换成功,共耗时:" + ((now - old) / 1000.0) + "秒"); // 转化用时
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }finally {
            if (os != null) {
                try {
                    os.flush();
                    os.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
        return true;
    }
public static boolean getLicense() {
        boolean result = false;
        try {
            InputStream is = Test.class.getClassLoader().getResourceAsStream("\\license.xml"); // license.xml应放在资源路径下
            License aposeLic = new License();
            aposeLic.setLicense(is);
            result = true;
        } catch (Exception e) {
            e.printStackTrace();
        }
        return result;
}

当文档中含有中文字符时,该段代码的执行需要调用操作系统的本地字体库支持,否则所有中文字符都将乱码。

该段代码如果想要在Linux服务器上完美运行,需要给Linux服务器安装中文字体库。可以看最后Java使用Spire.Pdf或Aspose-Words实现Word转换Pdf在Linux服务器上的中文乱码问题

3、spire.doc.free

Spire.Doc for Java是一个专业的 Word API,它使 Java 应用程序能够创建、转换、操作和打印 Word文档,而无需依赖 Microsoft Word。通过使用这个多功能库,开发人员可以轻松处理大量任务,例如插入图像、超链接、 数字签名、书签和水印、设置页眉和页脚、创建表格、设置背景图像以及添加脚注和尾注。此外,Spire.Doc for Java 支持从Word 到 PDF、XPS、Image、EPUB、HTML、TXT、ODT、RTF、WordML、WordXML 等文件格式转换。

注意:免费版Free Spire.Doc for Java 仅限于 500 个段落和 25 个表格。在读取或写入文件期间会强制执行此限制。将Word文档转换为PDF和XPS文件时,您只能获取PDF文件的前3页。

官网:https://www.e-iceblue.com/Introduce/doc-for-java.html

下载 Spire.Doc for Java 开始免费试用:https://www.e-iceblue.com/Download/doc-for-java.html

引入依赖:

<repositories>
    <repository>
        <id>com.e-iceblueid>
        <url>https://repo.e-iceblue.cn/repository/maven-public/url>
    repository>
repositories>


<dependency>
    <groupId>e-icebluegroupId>
    <artifactId>spire.doc.freeartifactId>
    <version>5.2.0version>
dependency>

代码如下:

import com.spire.doc.FileFormat;

private static void spireWordToPdf() throws IOException {
    //实例化Document类的对象
    com.spire.doc.Document doc = new com.spire.doc.Document();

    // 下载Word文件
//        URL url = new URL("http://xxxx/ExportWord_230724_172956.docx");
//        InputStream inputStream = url.openStream();
//        doc.loadFromStream(inputStream,FileFormat.Docx);
    //加载Word
    doc.loadFromFile("D:\\GoogleDownload\\ExportWord_230803_032555.docx");
    //保存为PDF格式

    doc.saveToFile("C:\\Users\\WPC\\Desktop\\test.pdf", FileFormat.PDF);
}

该段代码如果想要在Linux服务器上完美运行,需要给Linux服务器安装中文字体库。可以看最后Java使用Spire.Pdf或Aspose-Words实现Word转换Pdf在Linux服务器上的中文乱码问题

4、documents4j

官网:https://documents4j.com/#/

GitHub:https://github.com/documents4j/documents4j

documents4j 是一个跨平台的文档转换库,并且可以在 Linux 上进行 Word 转 PDF 的操作。

它利用 Microsft Office 的 APIs 来进行文档转换,因此需要在Linux上安装 OpenOffice/LibreOffice 编辑器。

以下是在Linux环境下执行 Word 转 PDF 的基本步骤:

Ubuntu:使用以下命令安装

sudo apt-get install libreoffice

CentOS:使用以下命令安装

sudo yum install libreoffice

引入依赖:

<dependency>
    <groupId>com.documents4jgroupId>
    <artifactId>documents4j-localartifactId>
    <version>1.0.3version>
dependency>
<dependency>
    <groupId>com.documents4jgroupId>
    <artifactId>documents4j-transformer-msoffice-wordartifactId>
    <version>1.0.3version>
dependency>

代码如下:

import com.documents4j.api.DocumentType;
import com.documents4j.api.IConverter;
import com.documents4j.job.LocalConverter;    

public static void word2pdf() throws IOException {
    // 参考:https:blog.csdn.net/ka3p06/article/details/125476270 通过documents4j实现
    InputStream docxInputStream = null;
    OutputStream outputStream = null;
    try {
        // 原word地址
//            docxInputStream = new FileInputStream("E:\\\\test2\\\\word模板.docx");
        URL url = new URL("http://xxxx/ExportWord_230724_172956.docx");
        docxInputStream = url.openStream();

        // 转换后pdf生成地址
        outputStream = new FileOutputStream("C:\\Users\\WPC\\Desktop\\test.pdf");
        IConverter converter = LocalConverter.builder().build();
        converter.convert(docxInputStream)
                .as(DocumentType.DOCX)
                .to(outputStream)
                .as(DocumentType.PDF).execute();
        // 关闭
        converter.shutDown();
        // 关闭
        outputStream.close();
        // 关闭
        docxInputStream.close();
    } catch (Exception e) {
        System.out.println("[documents4J] word转pdf失败:" + e.toString());
    } finally {
        if (outputStream != null) {
            outputStream.close();
        }
        if (docxInputStream != null) {
            docxInputStream.close();
        }
    }
}

Java使用Spire.Pdf或Aspose-Words实现Word转换Pdf在Linux服务器上的中文乱码问题

原因分析:

当Word文档中含有中文字符时,不管是使用Spire.Pdf或Aspose-Words实现Word转换Pdf,代码的执行都需要调用操作系统的本地字体库支持,否则所有中文字符都将乱码。

在Windows环境下没有问题但是在Linux环境下有问题,说明不是代码或者输入输出流编码的问题,根本原因是两个平台环境的问题。出现乱码说明Linux环境中没有相应的字体以供使用

如果你的代码想要在Linux服务器上完美运行,就需要给Linux服务器安装中文字体库

解决方案:

将转换无问题的Windows主机中的字体拷贝到Linux平台下进行安装,重启服务器后转换就不会出现乱码

Windows字体复制到Linux环境并安装

Windows字体库的位置是C:\Windows\fonts,这里面包含所有Windows下可用的字体

Linux字体库的位置是 /usr/share/Fonts

在该目录下新建一个目录,比如目录名叫 windows,然后将 Windows 字体库中你要的字体文件复制到新建的目录下(只需要复制*.ttc,和*.ttf格式的文件)

更改这些字体库的权限

sudo chmod 755 /usr/share/fonts/windows/*

然后进入Linux字体库

cd /usr/share/fonts/windows/

接着根据当前目录下的字体建立scale文件。PS:如果提示找不到这个命令,使用:yum install mkfontscale

sudo mkfontscale

接着建立dir文件。PS:如果提示找不到这个命令,使用:yum install fontconfig

sudo mkfontdir

然后运行

sudo fc-cache

最后需要重启一次服务器

如果是docker环境下

重复上面操作,不过进入的服务器是宿主机

**docker run -v /usr/share/fonts:/usr/share/fonts *****
docker启动时共享宿主机的字体库重启docker项目即可解决乱码问题