将Office文件转换为PDF文件，提取Office文件中的所有图片

1、Office系列---将Office文件(Word、PPT、Excel)转换为PDF文件
- 1.1 基于Office实现的解决方案
- 1.2 基于WPS实现的解决方案
2、提取Office文件(Word、PPT)中的所有图片
- 2.1 基于OpenXml的解决方案
- 2.2 基于第三方插件的解决方案
3、wkhtmltopdf
- 3.1 使用方法
- 3.2 java调用demo
- 3.3 wkhtmltopdf 参数详解

相关内容原文参考链接：
掘金：曹元：java将html转为pdf

1、Office系列—将Office文件(Word、PPT、Excel)转换为PDF文件

将Office文件作为文章并在网页上预览，主要为(Word、PPT、Excel)3种类型文件。

将Office转换为PDF在网页中预览：

1.1 基于Office实现的解决方案

实现方式：在本地服务器上安装Microsoft Office，通过C#代码调用服务器上的COM接口，将Office文件转换为PDF(类似于用Office软件打开Word文档，然后另存为PDF文件)。

不要直接调Office的COM组件，用NetOffice间接调：https://netoffice.io

通过Nuget包管理器安装需要的包(这些包只能在.Net FrameWork版本项目中使用)

Microsoft.Office.Interop.Word
Microsoft.Office.Interop.PowerPoint
Microsoft.Office.Interop.Excel

public class OfficeHelper
{static Word.Application wordApplication = new Word.Application();static Excel.Application excelApplication = new Excel.Application();static PowerPoint.Application pptApplication = new PowerPoint.Application();/// <summary>/// 将Word文档转换成PDF格式/// </summary>/// <param name="sourcePath">源文件路径</param>/// <param name="targetPath">目标文件路径</param>/// <returns></returns>public static bool WordConvertPDF(string sourcePath, string targetPath){bool result;Word.Document wordDocument = null;try{wordDocument = wordApplication.Documents.Open(ref sourcePath);if (wordDocument != null){wordDocument.SaveAs2(targetPath, WdExportFormat.wdExportFormatPDF);//wordDocument.ExportAsFixedFormat(targetPath, WdExportFormat.wdExportFormatPDF);result = true;}}catch (Exception ex){result = false;LogHelper.Log($"文件：{sourcePath} 生成失败，原因：{ex.Message}", ex.StackTrace);}finally{if (wordDocument != null){wordDocument.Close();wordDocument = null;}}return result;}/// <summary>/// 将Excel文档转换成PDF格式/// </summary>/// <param name="sourcePath">源文件路径</param>/// <param name="targetPath">目标文件路径</param>/// <returns></returns>public static bool ExcelConvertPDF(string sourcePath, string targetPath){bool result;Workbook workBook = null;try{workBook = excelApplication.Workbooks.Open(sourcePath);if (workBook != null){workBook.ExportAsFixedFormat(XlFixedFormatType.xlTypePDF, targetPath);result = true;}}catch (Exception ex){result = false;LogHelper.Log($"文件：{sourcePath} 生成失败，原因：{ex.Message}", ex.StackTrace);}finally{if (workBook != null){workBook.Close();workBook = null;}}return result;}/// <summary>/// 将PPT文档转换成pdf格式/// </summary>/// <param name="sourcePath">源文件路径</param>/// <param name="targetPath">目标文件路径</param> /// <returns></returns>public static bool PPTConvertPDF(string sourcePath, string targetPath){bool result;object missing = Type.Missing;Presentation persentation = null;try{persentation = pptApplication.Presentations.Open(sourcePath, MsoTriState.msoTrue, MsoTriState.msoFalse, MsoTriState.msoFalse);if (persentation != null){persentation.SaveAs(targetPath, PpSaveAsFileType.ppSaveAsPDF, Microsoft.Office.Core.MsoTriState.msoTrue);//persentation.ExportAsFixedFormat(targetPath, PpFixedFormatType.ppFixedFormatTypePDF);result = true;}}catch (Exception ex){result = false;LogHelper.Log($"文件：{sourcePath} 生成失败，原因：{ex.Message}", ex.StackTrace);}finally{if (persentation != null){persentation.Close();persentation = null;}}return result;}
}

Office COM API提供SaveAs和ExportAsFixedFormat两个方法来生成文档，需要注意调用时参数不同，大部分使用默认值就可以了(接口文档地址)。

上面代码中将wordApplication作为一个静态变量提出来，每次在加载文件时，再通过它打开(相当于一直开着Office.Word程序)。

直接调Office的COM组件有版本兼容的问题，可以采用NetOffice间接调用。
通过Nuget安装NetOffice，不同的Office文件需要引用不同的Apidll。

using NetOffice;
using NetOffice.PowerPointApi;

public static void PPTConvertPDF(string sourcePath, string targetPath)
{using (Application _pptApp = new Application()){var pres = _pptApp.Presentations.Open(sourcePath, NetOffice.OfficeApi.Enums.MsoTriState.msoCTrue, NetOffice.OfficeApi.Enums.MsoTriState.msoFalse, NetOffice.OfficeApi.Enums.MsoTriState.msoFalse);pres.SaveAs(targetPath, NetOffice.PowerPointApi.Enums.PpSaveAsFileType.ppSaveAsPDF);pres.Close();}
}

1.2 基于WPS实现的解决方案

和基于Office的解决方案一样，通过代码调用COM接口，实现文件的转换。当然需要提前在服务器上安装WPS软件。

在本地的WPS安装目录中，找到以下几个dll文件，并将其引用到项目中，

wpsapi.dll
wpsapiex.dll

public static void WordConvertPDF(string sourcePath, string targetPath)
{var app = new Word.Application();var doc = app.Documents.Open(sourcePath,Visible: MsoTriState.msoFalse);doc.SaveAs2(targetPath, Word.WdExportFormat.wdExportFormatPDF);doc.Close();app.Close();
}

其中Word是wpsapi.dll添加到程序中后，程序集命名空间名称。

2、提取Office文件(Word、PPT)中的所有图片

2.1 基于OpenXml的解决方案

Office Open XML 是由Microsoft开发的一种以XML为基础并以ZIP格式压缩的电子文件规范，支持文件、表格、备忘录、幻灯片等文件格式。

简单来说一个PPT文件(.pptx后缀)，其实是一个ZIP格式压缩的电子文件，压缩文件内通过XML标记了文档的内容，比如，引用的图片、文字的排列方式等等。
常用的几种Office文件中的，Word文件有.doc和.docx两种后缀，PowerPoint文件有.ppt和.pptx两种后缀，Excel文件有.xls和.xlsx两种后缀。这其实就是文件版本的差异。 OpenXml也只能用在2007及以后的文件版本中(后缀为.docx、.pptx、.xlsx)。

测试：准备同一PPT文件分别另存为.ppt和.pptx两个版本，直接修改文件后缀为.zip。

通过Nuget包管理安装需要用到的包

DocumentFormat.OpenXml

using DocumentFormat.OpenXml.Packaging;/// <summary>
/// 导出PPT文件中所有图片
/// </summary>
/// <param name="sourcePath">源文件路径</param>
/// <param name="targetDir">目标文件存放目录</param>
/// <returns></returns>
public static void ExportPPTImages(string sourcePath,string targetDir)
{using (PresentationDocument presentationDocument = PresentationDocument.Open(sourcePath, isEditable: false)){PresentationPart presentationPart = presentationDocument.PresentationPart;DocumentFormat.OpenXml.Presentation.Presentation presentation = presentationPart.Presentation;List<ImagePart> list = new List<ImagePart>();foreach (DocumentFormat.OpenXml.Presentation.SlideId item in presentation.SlideIdList.OfType<DocumentFormat.OpenXml.Presentation.SlideId>()){SlidePart slidePart = presentationPart.GetPartById(item.RelationshipId) as SlidePart;list.AddRange(slidePart.ImageParts);}List<IGrouping<string, ImagePart>> list2 = list.GroupBy(d => d.Uri.OriginalString).ToList();//导出PPT所有的图片for (int i = 0; i < list2.Count; i++){ImagePart imagePart = list2[i].FirstOrDefault();string tempFileName = Path.Combine(targetDir, $"image_{i}.jpg");using (Stream stream = imagePart.GetStream(FileMode.Open)){using (Bitmap bitmap = new Bitmap(stream)){bitmap.Save(tempFileName, System.Drawing.Imaging.ImageFormat.Jpeg);}}}//presentation.Save();}
}/// <summary>
/// 导出Word文件中所有图片
/// </summary>
/// <param name="sourcePath">源文件路径</param>
/// <param name="targetDir">目标文件存放目录</param>
/// <returns></returns>
public static void ExportWordImages(string sourcePath,string targetDir)
{using (WordprocessingDocument wordDocument = WordprocessingDocument.Open(sourcePath, isEditable: false)){var list2 = wordDocument.MainDocumentPart.ImageParts.GroupBy(d => d.Uri.OriginalString).ToList();for (int i = 0; i < list2.Count; i++){ImagePart imagePart = list2[i].FirstOrDefault();string tempFileName = Path.Combine(targetDir, $"image_{i}.jpg");using (Stream stream = imagePart.GetStream(FileMode.Open)){using (Bitmap bitmap = new Bitmap(stream)){bitmap.Save(tempFileName, System.Drawing.Imaging.ImageFormat.Jpeg);}}}}
}

2.2 基于第三方插件的解决方案

Spire，用Spire正式版插件导出来的图片没有水印。

using Spire.Presentation;/// <summary>
/// 导出PPT文件中所有图片
/// </summary>
/// <param name="sourcePath">源文件路径</param>
/// <param name="targetDir">目标文件存放目录</param>
/// <returns></returns>
public static void ExportPPTImages2(string sourcePath, string targetDir)
{using (Presentation pres = new Presentation()){pres.LoadFromFile(sourcePath);for (int i = 0; i < pres.Images.Count; i++){Image image = pres.Images[i].Image;string tempFileName = Path.Combine(targetDir, $"image_{i}.jpg");image.Save(tempFileName);}}
}

3、wkhtmltopdf

wkhtmltopdf使用webkit网页渲染引擎开发的用来将 html转成 pdf的工具，可以跟多种脚本语言进行集成来转换文档。但是就使用简便性来说还是itext等组件占据优势，如果你要转换格式有比较高的要求，那么wkhtmltopdf绝对是不二之选！

3.1 使用方法

windows直接使用：只要在windows命令行中输入c:\wkhtmltopdf.exe my.oschina.net/papio/blog/… c:\blog.pdf 就可以把这篇文章转成pdf，并保存到C盘根目录。
java调用：java中调用wkhtmltopdf的命令Runtime.getRuntime().exec(“c:\wkhtmltopdf.exe my.oschina.net/papio/blog/… c:\blog.pdf”)就可以实现转换。

3.2 java调用demo

public class HtmlToPdfInterceptor extends Thread {private InputStream is;public HtmlToPdfInterceptor(InputStream is){this.is = is;}public void run(){try{InputStreamReader isr = new InputStreamReader(is, "utf-8");BufferedReader br = new BufferedReader(isr);String line = null;while ((line = br.readLine()) != null) {System.out.println(line.toString()); //输出内容}}catch (IOException e){e.printStackTrace();}}
}
public class HtmlToPdf {//wkhtmltopdf在系统中的路径private static final String toPdfTool = "D:\\wkhtmltopdf\\bin\\wkhtmltopdf.exe";/*** html转pdf* @param srcPath html路径，可以是硬盘上的路径，也可以是网络路径* @param destPath pdf保存路径* @return 转换成功返回true*/public static boolean convert(String srcPath, String destPath){File file = new File(destPath);File parent = file.getParentFile();//如果pdf保存路径不存在，则创建路径if(!parent.exists()){parent.mkdirs();}StringBuilder cmd = new StringBuilder();cmd.append(toPdfTool);cmd.append(" ");cmd.append("  --header-line");//页眉下面的线cmd.append("  --header-center 这里是页眉这里是页眉这里是页眉这里是页眉 ");//页眉中间内容//cmd.append("  --margin-top 30mm ");//设置页面上边距 (default 10mm) cmd.append(" --header-spacing 10 ");//(设置页眉和内容的距离,默认0)cmd.append(srcPath);cmd.append(" ");cmd.append(destPath);boolean result = true;try{Process proc = Runtime.getRuntime().exec(cmd.toString());HtmlToPdfInterceptor error = new HtmlToPdfInterceptor(proc.getErrorStream());HtmlToPdfInterceptor output = new HtmlToPdfInterceptor(proc.getInputStream());error.start();output.start();proc.waitFor();}catch(Exception e){result = false;e.printStackTrace();}return result;}public static void main(String[] args) {HtmlToPdf.convert("https://my.oschina.net/papio/blog/835645", "d:/wkhtmltopdf.pdf");}}

3.3 wkhtmltopdf 参数详解

wkhtmltopdf [OPTIONS]... <input file> [More input files] <output file>
常规选项--allow <path>  允许加载从指定的文件夹中的文件或文件（可重复）--book*  设置一会打印一本书的时候，通常设置的选项 --collate  打印多份副本时整理 --cookie <name> <value>  设置一个额外的cookie（可重复） --cookie-jar <path>  读取和写入的Cookie，并在提供的cookie jar文件 --copies <number>  复印打印成pdf文件数（默认为1） --cover* <url>  使用HTML文件作为封面。它会带页眉和页脚的TOC之前插入 --custom-header <name> <value>  设置一个附加的HTTP头（可重复） --debug-javascript  显示的javascript调试输出 --default-header*  添加一个缺省的头部，与页面的左边的名称，页面数到右边，例如： --header-left '[webpage]' --header-right '[page]/[toPage]'  --header-line --disable-external-links*  禁止生成链接到远程网页--disable-internal-links*  禁止使用本地链接--disable-javascript  禁止让网页执行JavaScript --disable-pdf-compression*  禁止在PDF对象使用无损压缩 --disable-smart-shrinking*  禁止使用WebKit的智能战略收缩，使像素/ DPI比没有不变 --disallow-local-file-access  禁止允许转换的本地文件读取其他本地文件，除非explecitily允许用 --allow --dpi <dpi>  显式更改DPI（这对基于X11的系统没有任何影响） --enable-plugins  启用已安装的插件（如Flash--encoding <encoding>  设置默认的文字编码 --extended-help  显示更广泛的帮助，详细介绍了不常见的命令开关 --forms*  打开HTML表单字段转换为PDF表单域 --grayscale  PDF格式将在灰阶产生--help  Display help --htmldoc  输出程序HTML帮助--ignore-load-errors  忽略claimes加载过程中已经遇到了一个错误页面 --lowquality  产生低品质的PDF/ PS。有用缩小结果文档的空间 --manpage  输出程序手册页 --margin-bottom <unitreal>  设置页面下边距 (default 10mm) --margin-left <unitreal>  将左边页边距 (default 10mm) --margin-right <unitreal>  设置页面右边距 (default 10mm) --margin-top <unitreal>  设置页面上边距 (default 10mm) --minimum-font-size <int>  最小字体大小 (default 5) --no-background  不打印背景--orientation <orientation>  设置方向为横向或纵向 --page-height <unitreal>  页面高度 (default unit millimeter) --page-offset* <offset>  设置起始页码 (default 1) --page-size <size>  设置纸张大小: A4, Letter, etc. --page-width <unitreal>  页面宽度 (default unit millimeter) --password <password>  HTTP验证密码 --post <name> <value>  Add an additional post field (repeatable) --post-file <name> <path>  Post an aditional file (repeatable) --print-media-type*  使用的打印介质类型，而不是屏幕 --proxy <proxy>  使用代理 --quiet  Be less verbose --read-args-from-stdin  读取标准输入的命令行参数 --readme  输出程序自述--redirect-delay <msec>  等待几毫秒为JS-重定向(default 200) --replace* <name> <value>  替换名称,值的页眉和页脚（可重复） --stop-slow-scripts  停止运行缓慢的JavaScripts --title <text>  生成的PDF文件的标题（第一个文档的标题使用，如果没有指定） --toc*  插入的内容的表中的文件的开头--use-xserver*  使用X服务器（一些插件和其他的东西没有X11可能无法正常工作） --user-style-sheet <url>  指定用户的样式表，加载在每一页中--username <username>  HTTP认证的用户名 --version  输出版本信息退出--zoom <float>  使用这个缩放因子 (default 1) 页眉和页脚选项
--header-center*    <text>    (设置在中心位置的页眉内容)
--header-font-name* <name>    (default Arial)  (设置页眉的字体名称)
--header-font-size* <size>    (设置页眉的字体大小)
--header-html*  <url> (添加一个HTML页眉,后面是网址)
--header-left*  <text>   (左对齐的页眉文本)
--header-line*      (显示一条线在页眉下)
--header-right* <text>    (右对齐页眉文本)
--header-spacing*   <real>    (设置页眉和内容的距离,默认0)
--footer-center*    <text>    (设置在中心位置的页脚内容)
--footer-font-name* <name>    (设置页脚的字体名称)
--footer-font-size* <size>    (设置页脚的字体大小default 11)
--footer-html*  <url> (添加一个HTML页脚,后面是网址)
--footer-left*  <text>    (左对齐的页脚文本)
--footer-line*      显示一条线在页脚内容上)
--footer-right* <text>    (右对齐页脚文本)
--footer-spacing*   <real>    (设置页脚和内容的距离)
./wkhtmltopdf --footer-right '[page]/[topage]' http://www.baidu.com baidu.pdf
./wkhtmltopdf --header-center '报表' --header-line --margin-top 2cm --header-line http://192.168.212.139/oma/  oma.pdf
表内容选项中--toc-depth* <level>  Set the depth of the toc (default 3) --toc-disable-back-links*  Do not link from section header to toc --toc-disable-links*  Do not link from toc to sections --toc-font-name* <name>  Set the font used for the toc (default Arial) --toc-header-font-name* <name>  The font of the toc header (if unset use --toc-font-name) --toc-header-font-size* <size>  The font size of the toc header (default 15) --toc-header-text* <text>  The header text of the toc (default Table Of Contents) --toc-l1-font-size* <size>  Set the font size on level 1 of the toc (default 12) --toc-l1-indentation* <num>  Set indentation on level 1 of the toc (default 0) --toc-l2-font-size* <size>  Set the font size on level 2 of the toc (default 10) --toc-l2-indentation* <num>  Set indentation on level 2 of the toc (default 20) --toc-l3-font-size* <size>  Set the font size on level 3 of the toc (default 8) --toc-l3-indentation* <num>  Set indentation on level 3 of the toc (default 40) --toc-l4-font-size* <size>  Set the font size on level 4 of the toc (default 6) --toc-l4-indentation* <num>  Set indentation on level 4 of the toc (default 60) --toc-l5-font-size* <size>  Set the font size on level 5 of the toc (default 4) --toc-l5-indentation* <num>  Set indentation on level 5 of the toc (default 80) --toc-l6-font-size* <size>  Set the font size on level 6 of the toc (default 2) --toc-l6-indentation* <num>  Set indentation on level 6 of the toc (default 100) --toc-l7-font-size* <size>  Set the font size on level 7 of the toc (default 0) --toc-l7-indentation* <num>  Set indentation on level 7 of the toc (default 120) --toc-no-dots*  Do not use dots, in the toc
轮廓选项--dump-outline <file>  转储目录到一个文件--outline  显示目录(文章中h1,h2来定)--outline-depth <level>  设置目录的深度（默认为4）
页脚和页眉* [page]       由当前正在打印的页的数目代替* [frompage]   由要打印的第一页的数量取代* [topage]     由最后一页要打印的数量取代* [webpage]    通过正在打印的页面的URL替换* [section]    由当前节的名称替换* [subsection] 由当前小节的名称替换* [date]       由当前日期系统的本地格式取代* [time]       由当前时间，系统的本地格式取代

Office系列---将Office文件(Word、PPT、Excel)转换为PDF文件，提取Office文件(Word、PPT)中的所有图片相关推荐

将Word文档转换为PDF时出现“PDFmaker文件遗失，要在修复模式下运行安装程序吗？”的提示
鼠标右击将Word文档转换为PDF时出现"PDFmaker文件遗失,要在修复模式下运行安装程序吗?"的提示,运行完安装程序以后,问题还是没有解决,依旧有提示,这是什么原因,我电脑装 ...
微信小程序语音录制功能和文件（ppt、word、excel、pdf、txt格式）上传
语音录制提醒:因为开发者工具不能接收语音文件,所以要使用真机调试测试噢~ 思路:使用小程序API wx.startRecord .wx.stopRecord 方法(调用前记得 app.js 添加 ...
Java将Word文档转换为PDF的完美工具
引用至:https://mp.weixin.qq.com/s/JIgo3f98HufGJx23mgtvag Java 将 Word 文档转换为 PDF 的完美工具在日常工作中,PDF格式良好的视觉阅 ...
java操作office和pdf文件java读取word，excel和pdf文档内容
在平常应用程序中,对office和pdf文档进行读取数据是比较常见的功能,尤其在很多web应用程序中.所以今天我们就简单来看一下Java对word.excel.pdf文件的读取.本篇博客只是讲解简单应 ...
nopi word to html,C# 基于NPOI+Office COM组件实现20行代码在线预览文档（word，excel，pdf，txt，png）...
由于项目需要,需要一个在线预览office的功能,小编一开始使用的是微软提供的方法,简单快捷,但是不符合小编开发需求, 就另外用了:将文件转换成html文件然后预览html文件的方法.对微软提供的方法 ...
java实现文件加密(word、excel、pdf、ppt)
导航 FileEncryUtils 测试环境 pom依赖 log4j.properties 代码 FileEncryUtils 提供word.excel.pdf.ppt的加密测试环境 JDK1.8+ ...
前端实现word、excel、pdf、ppt、mp4、图片、文本等文件的预览
关注公众号前端开发博客,领27本电子书回复加群,自助秒进前端群大家好,我是漫步,明天有个抽奖,记得去参与.张鑫旭最新的CSS书,免费送10本前言因为业务需要,很多文件需要在前端实现预览,今天 ...
Office文档上传后实时转换为PDF格式_图片文件上传后实时裁剪_实现在线预览Office文档
Office文档上传后实时转换为PDF格式_图片文件上传后实时裁剪前置条件安装LibreOffice 安装OpenOffice 安装Unoconv 安装ImageMagick.x86_64 安装G ...
python word,ppt,excel转pdf(word转html),转图片
word,ppt,excel转pdf 装依赖 pip install comtypes==1.1.10 转换 import comtypes.client import osdef ppt_pdf(p ...

Office系列---将Office文件(Word、PPT、Excel)转换为PDF文件，提取Office文件(Word、PPT)中的所有图片