通用文档格式转换器[关闭]答案

【问题标题】：Universal document format converter [closed]通用文档格式转换器[关闭]
【发布时间】：2010-09-30 22:02:02
【问题描述】：

我希望将任何格式转换为 HTML。

我想支持 DOC、DOCX、PDF、ODT、RDF、DocBook 和 TXT。

我发现了很多格式到格式的转换实用程序，但为了便于实施，最好使用单个工具。随着供应商或开源项目扩展库，这也将使添加新格式变得更加容易。

理想的“集线器”格式是 HTML，但我也可以使用另一种集线器格式。

要在服务器端运行，最好是 Java 库，或者 C/C++ 库、COM 或命令行工具；但不是打印机驱动程序、在线服务或 GUI 工具。商业和开源都可以。

【问题讨论】：

那不是很酷！如果只有像 Adobe 这样的公司提供这样的东西。如果他们这样做了，他们可以称其为“Acrobat”，因为它可以在文档方面做出惊人的技巧。
我以为是“是否有支持 DOC、DOCX、PDF、ODT、RDF、DocBook 和 TXT 的通用文档格式转换器，它不是打印机驱动程序、在线服务或 GUI 工具？”并据此回答。

标签： java html pdf ms-word converter

【解决方案1】：

OpenOffice.org

来自link：

OpenOffice.org 鲜为人知的特性之一是它能够作为服务运行。你可以巧妙地利用这种能力。例如，您可以将 OpenOffice.og 变成一个转换引擎，并使用它通过基于 Web 的界面或命令行工具将文档从一种格式转换为另一种格式。 JODConverter 可以帮助您释放 OpenOffice.org 的文件转换功能。

这听起来像您正在寻找的东西。也都是用 Java 编写的。

这个链接告诉你更多关于上面提到的JODConverter。

【讨论】：

【解决方案2】：

我不相信这样的实用程序/转换器已经存在，因为很难合理地进行某些转换。例如，您将如何处理 HTML 到 TXT 到 HTML 的转换？你会剥去什么？您将如何用纯文本表示不同的 HTML 元素？此外，您将如何处理内容中的内容，例如 TXT 中的 XML 转换为 DOCX，然后再转换为 XHTML？

也就是说，如果我要为此目的制作转换器，我会从 Apache POI 开始，这是一个用于处理 Office 文档的库。然后我将使用iText 进行PDF 连接，确保[Office 格式] PDF 转换能够像我希望的那样可靠，然后添加JDOM 进行XML 处理，测试[Office 格式] XML 和 PDF XML 可以按我的意愿工作，依此类推，你懂的。我会特别避免自己实现文件类型处理程序，因为那时我很可能会重新发明轮子。

【讨论】：

【解决方案3】：

这是一个不平凡的问题。例如，上个月我一直是looking for a robust HTML+CSS to PDF conversion in PHP，尽管我发现了（从那个问题）Prince XML，但我只设法让一个可靠地工作，尽管速度非常慢（html2pdf），我最初的测试表明它是一个精巧的产品。但是很贵。

【讨论】：

【解决方案4】：

看看Freemarker

我建议将 XML 作为“集线器”格式，然后将您的样式信息分离到 XSLT 中。

【讨论】：