使用 Javascript 将 doc/docx 批量转换为 pdf答案

【问题标题】：Batch converting doc/docx to pdf using Javascript使用 Javascript 将 doc/docx 批量转换为 pdf
【发布时间】：2012-12-21 10:03:14
【问题描述】：

我正在开发一个以编程方式将 .doc 和 .docx 文件转换为 pdf 的 Java 程序。我已经测试了几种将 .doc 和 .docx 文件转换为 pdf 的不同方法，例如使用几个开源 Java 库，遗憾的是这些库经常会弄乱文档中的布局。

我偶然发现了一个 javascript 脚本，它使用底层 Microsoft Word 实例打开文件并将其保存为 PDF（位于：https://superuser.com/questions/17612/batch-convert-word-documents-to-pdfs-free/28303#28303）：

var fso = new ActiveXObject("Scripting.FileSystemObject");
var docPath = WScript.Arguments(0);
var pdfPath = WScript.Arguments(1);
docPath = fso.GetAbsolutePathName(docPath);
var objWord = null;
try{
    WScript.Echo("Saving '" + docPath + "' as '" + pdfPath + "'...");
    objWord = new ActiveXObject("Word.Application");
    objWord.Visible = false;
    var objDoc = objWord.Documents.Open(docPath);
    var wdFormatPdf = 17;
    objDoc.SaveAs(pdfPath, wdFormatPdf);
    objDoc.Close();
    WScript.Echo("The CV was succesfully converted.");
} catch(err){
    WScript.Echo("An error occured: " + err.message);
}finally{
    if (objWord != null){
        objWord.Quit();
    }
}

这个 javascript 脚本是从我的 Java 程序中为每个文档同步调用的。

在小规模上这似乎工作得很好，但是在处理数千个文件时，我遇到了几个问题：

如果发生这种情况，需要用户干预才能继续，有时一个 Word 进程会在“另存为”提示符处挂起。在任何用户交互之前，该过程都会阻塞。
有时 Word 进程会在“书签”提示符处挂起。在任何用户干预以通过提示之前，该过程也会被阻止。

我正在寻找最好/最干净的方法，通过给它们一个截止日期或其他什么来更好地控制这些 Word 进程。就像给他们 5 秒钟的时间来打开 Word 文档并将其另存为 PDF，5 秒钟后如果仍然处于活动状态，该进程将被终止。

我过去处理过类似的事情，解决方案包括“杀死单词进程批处理脚本”，以杀死在程序结束后卡住的任何 WORD 进程。不是很干净，但它完成了它的工作。

任何经验或想法将不胜感激！

【问题讨论】：

那是javascript或更糟，不是Java。
除非您想学习这项技术，否则只需安装 pdf 打印机，然后将文档“打印”成 pdf。我使用了 Adobe Acrobat 提供的（非免费）一个，但似乎有许多免费实用程序可以做同样的事情。
stackoverflow.com/questions/607669/… 有同样的问题吗？（C# 类似）
support.microsoft.com/kb/257757/en-us - Microsoft 关于自动化 Office 的说明（他们不推荐）。
@mlk，仅当自动化在服务器端完成时才会发出警告，此处并非如此（问题中未提及）。

标签： java javascript docx doc

【解决方案1】：

我设法解决了与进程卡在 Microsoft Word 中的提示符相关的问题。在我的最终解决方案中，我更改了我的 Java 代码，使其在单独的线程中启动 Javascript 脚本。然后我的主线程会休眠几秒钟，然后检查另一个线程。

另一个线程保留对它用来运行 Javascript 脚本的 Process 实例的引用。然后，主线程将检查该进程的 exitValue，如果脚本卡在 Microsoft Word 提示符处，则会抛出 IllegalThreadStateException。然后我会通过终止进程并清理 Microsoft Word 留下的任何临时文件来处理异常。

【讨论】：

【解决方案2】：

Microsoft support 表示不要在无人看管的情况下使用办公室或服务器端。

如果您需要简单的转换，LibreOffice 有一个命令行选项 -convert-to。

【讨论】：

【解决方案3】：

您可以使用https://www.npmjs.com/package/@nativedocuments/docx-wasm 无服务器（例如AWS Lambda）并行执行您的转换。 Lambda 负责并发处理。 docx-wasm 是独立的（即无需运行 Microsoft Word）。免费增值模式。

2019 年 4 月编辑

https://github.com/NativeDocuments/docx-to-pdf-on-AWS-Lambda 是一个在 Lambda 上使用它的示例项目。

【讨论】：

docx-wasm 不再可用。他们的网站已被撤下，不再颁发许可证。