centos下使用php实现word转html并读取导入数据库

作者：stoat 发布时间：2018-08-08 分类：技术

原理：linux系统下利用libreoffice+unoconv将word转化为html，如果在windows环境下转换word为html，则需要下载office套件并开启COM组件，windows下实现较为简单，本文不讨论。

主流程


1，安装libreoffice
下载rpm包
http://download.documentfoundation.org/libreoffice/stable/5.4.7/rpm/x86_64/LibreOffice_5.4.7_Linux_x86-64_rpm.tar.gz
http://download.documentfoundation.org/libreoffice/stable/5.4.7/rpm/x86_64/LibreOffice_5.4.7_Linux_x86-64_rpm_sdk.tar.gz
http://download.documentfoundation.org/libreoffice/stable/5.4.7/rpm/x86_64/LibreOffice_5.4.7_Linux_x86-64_rpm_langpack_zh-CN.tar.gz
http://download.documentfoundation.org/libreoffice/stable/5.4.7/rpm/x86_64/LibreOffice_5.4.7_Linux_x86-64_rpm_helppack_zh-CN.tar.gz

解压后，进入目录，批量安装

cd /usr/local/libreoffice/LibreOffice_5.4.7.2_Linux_x86-64_rpm/RPMS
cd /usr/local/libreoffice/LibreOffice_5.4.7.2_Linux_x86-64_rpm_sdk/RPMS

yum localinstall *.rpm
rpm -ivh lib*

2，安装unoconv

wget https://raw.githubusercontent.com/dagwieers/unoconv/master/unoconv

chmod +x unoconv
ln -s /usr/libreoffice/unoconv /usr/bin/unoconv

yum install unoconv

注：如需要转换pdf的话则需要下载windows下的字体文件。

3，php下转化word为html，所有的html文件放置在word2html文件夹下

function WordToHtml($source, $name)
{
    set_time_limit(0);
    $dir = dirname($source);
    chmod($dir,0755);
    // 生成html文件
    $html = $dir.'/word2html/'.$name;
    shell_exec('/usr/bin/unoconv -f html -o ' . $html . ' ' . $source);
    $content = file_get_contents($html);
    return $content;
}

4，读取并格式化html代码
读取函数

// 文档导入 public function import($source) { $dir = dirname($source); $filename = strstr(basename($source), '.', true) . '.html'; if(file_exists($dir.'/word2html/'.$filename)){ echo '已导入过，无需再导入！'; exit; } $content = WordToHtml($source, $filename); //取body内容，去除样式等其他 preg_match("/<body.*?>(.*?)<\/body>/is", $content, $match); $body = trim($match[0]); //设置保留标签 $body = strip_tags($body, "<p><a><h1><h2><h3><h4><h5><h6><img><em><b><strong><br /><center><dl><dd><dt><ul><li><ol><i><span><pre><section><table><th><td><tr><thead><title><video>"); //利用php自带的函数清除html格式。保留指定标签 $str = str_replace('<img src="', '<img src="/'.$dir.'/word2html/', $body); return $str; }
完毕。
剩下的入库操作就跳过了～

原文地址：centos下使用php实现word转html并读取导入数据库 by 雪鼬博客

标签：none

评论已关闭