Office文件转PDF的解决方案

一、转换解决方案

Office文件（doc、docx、xls、xlsx、ppt、pptx、txt七种格式）转换为PDF有很多办法，本文只从已实践的四种作解析说明。

1、调用Office自带组件服务转换

前提要求

服务器上必须装Office，最低2007（注：2007安装完成后，需要单独下载PDF转换插件，附件里有），最好是2010以上。
还需要在服务器上开启php的dcom扩展，参考网址如下：
https://www.cnblogs.com/zhuchenglin/p/7586170.html
注：32位的office配置office组件服务时，输入comexp.msc -32这个命令而不是dcomcnfg。

调用方法

此种方法本质上是PHP与C++语言的交互。Office从2010版以后，增加了转换PDF文件的COM插件（就是office的C++ SDK库），可以另存为PDF文件。如下图所示：

我们需要做的获取这个组件的API，然后调用即可。至于用什么语言，看自己需求吧。PHP的此处已经说过，文末会提供额外的python方式代码。

API地址及参考如下所示

https://docs.microsoft.com/zh-cn/office/vba/api/word.document.exportasfixedformat

缺陷

这种方式在实践中发现，带特殊对象的word文件，譬如公章等的非图片对象，用这个转换之后出现黑框的情况，所以只适用于普通的文档转换。而且转换文档偏慢。

2、采用开源Office软件libreOffice软件进行转换。

前提要求

服务器上需要安装libreOffice软件。下载地址：
https://zh-cn.libreoffice.org/download/download
在Path下配置环境变量

调用方法

参考：https://www.cnblogs.com/qlqwjy/p/9846904.html

缺陷

毕竟是开源软件，执行标准跟Microsoft Office不一样，所以转换之后颜色渲染粗细上会有差别，文字页数会有一定的偏移但并不影响（跟文档里的图片布局排版有关）。另外，对非图片对象的图片会自动转换为图片对象来保存，这点不错。

3、调用PDF虚拟打印机的方式转换

前提要求

客户端上安装PDF虚拟打印机，注意是客户端安装

目前虚拟打印机的厂商有很多家，除了Microsoft自带的，最权威的有Adobe acrobat即Adobe PDFMaker。
安装完成后，在office里会自动加载插件，保存选项里会多出一项：

还有一家是PDFCreator。官网可下载。下载地址：
https://www.pdfforge.org/pdfcreator

调用方法

客户端上安转打印机后，由客户端触发调用，然后再动态的传到服务器端。
目前调用的API暂时未找着，查到的都只是对PDF编辑、合并一类。如果有哪位大大找到了，还请劳烦告知我一声。此处先标记一下，以后再补充。

缺陷

几乎没有什么缺陷，最好的一种方式。唯一遗憾的是笔者未找到在服务器端安装后提供的API可供调用的。

二、注意事项

转换完成后，如果字体乱码或不一致，则应该是服务器缺少字体所致，安装后即可解决。
带签章的文件转完后，签章盖住下方文字。原因是盖章之前未选择衬于文字下方。此处需告知客户在盖章前，必须选择“衬于文字下方”。
PHP的exec函数执行错误。原因是需要在php.ini里开启exec扩展即可。

三、扩展

根据研究，Office转换为html展示，或html转换为word、pdf展示，皆可参考以上方案。

四、Python代码示例

参考了这位大大的文章，做了多线程的优化且增加了日志记录，如下：

import os
import pythoncom
import threading
import loggingfrom win32com.client import constants, gencache, DispatchEx_Log = logging.getLogger("PDFConverter")class PDFConverter:def __init__(self, _pathname, _export_path=None, _is_async=True):""":param _pathname: 输入的文件夹或文件路径:param _export_path: 导出目录路径:param _is_async: 是否异步执行"""self._pathname = _pathnameself._export_path = _export_pathself._is_async = _is_asyncself._handle_postfix = ['doc', 'docx', 'ppt', 'pptx', 'xls', 'xlsx', 'txt']self._filename_list = list()def _parse_filenames(self):"""解析路径，获取当前路径下的所有文件"""full_pathname = os.path.abspath(self._pathname)if os.path.isfile(full_pathname):if self._is_legal_postfix(self._pathname):self._filename_list.append(full_pathname)else:raise TypeError('文件 {} 后缀名不合法！仅支持如下文件类型：{}。'.format(self._pathname, '、'.join(self._handle_postfix)))elif os.path.isdir(full_pathname):# 遍历的目录的地址, 返回的是一个三元组(root,dirs,files)# real_path为当前正在遍历的这个文件夹的地址# files为real_path文件夹中所有的文件for real_path, _, files in os.walk(full_pathname):for name in files:filename = os.path.join(full_pathname, real_path, name)if self._is_legal_postfix(filename):self._filename_list.append(os.path.join(filename))else:raise TypeError('文件/文件夹 {} 不存在或不合法！'.format(self._pathname))def _is_legal_postfix(self, filename):return filename.split('.')[-1].lower() in self._handle_postfix and not os.path.basename(filename).startswith('~')@staticmethoddef doc(input_file, export_file):"""doc 和 docx 文件转换"""pythoncom.CoInitialize()# gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)# 使用启动独立的进程wordApp = DispatchEx("PDFMakerAPI.PDFMakerApp")try:# wordApp.Visible = 0# wordApp.DisplayAlerts = 0# doc = wordApp.Documents.Open(input_file)# doc.ExportAsFixedFormat(export_file, constants.wdExportFormatPDF,#                         OptimizeFor=constants.wdExportOptimizeForPrint,#                         Item=constants.wdExportDocumentWithMarkup,#                         IncludeDocProps=True,#                         CreateBookmarks=constants.wdExportCreateHeadingBookmarks)# # 关闭# doc.Close()wordApp.CreatePDF(input_file, export_file)except Exception as e:_Log.error(input_file, "文件转换失败：", e)finally:if wordApp:wordApp.Quit()# 释放资源pythoncom.CoUninitialize()def docx(self, input_file, export_file):self.doc(input_file, export_file)def txt(self, input_file, export_file):self.doc(input_file, export_file)@staticmethoddef xls(input_file, export_file):"""xls 和 xlsx 文件转换"""pythoncom.CoInitialize()# gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)xlsApp = DispatchEx("Excel.Application")try:xlsApp.Visible = 0xlsApp.DisplayAlerts = 0books = xlsApp.Workbooks.Open(input_file, False)books.ExportAsFixedFormat(0, export_file)books.Close(False)except Exception as e:_Log.error(input_file, "文件转换失败：", e)finally:if xlsApp:xlsApp.Quit()# 释放资源pythoncom.CoUninitialize()def xlsx(self, input_file, export_file):self.xls(input_file, export_file)@staticmethoddef ppt(input_file, export_file):"""ppt 和 pptx 文件转换"""pythoncom.CoInitialize()pptApp = DispatchEx("PowerPoint.Application")try:pptApp.Visible = 0pptApp.DisplayAlerts = 0ppt = pptApp.Presentations.Open(input_file, False, False, False)ppt.ExportAsFixedFormat(export_file, 2, PrintRange=None)ppt.Close()except Exception as e:_Log.error(input_file, "文件转换失败：", e)finally:if pptApp:pptApp.Quit()# 释放资源pythoncom.CoUninitialize()def pptx(self, input_file, export_file):self.ppt(input_file, export_file)def converter(self):"""进行批量处理，根据后缀名调用函数执行转换"""_flag = 1_export_file_path = ""if self._export_path and os.path.isdir(self._export_path):_export_file_path = self._export_pathelse:_flag = 0# 解析目标文件路径，存入list，并确认最终导出的文件夹路径_export_file_pathtry:self._parse_filenames()except TypeError as e:_Log.error("解析目标文件/路径报错", e)return 1_Log.info('需要转换的文件数：%d' % len(self._filename_list))# threads = []for filename in self._filename_list:postfix = filename.split('.')[-1].lower()funcCall = getattr(self, postfix)# self._input_file = filenameif _flag is 0:_export_file_path = os.path.dirname(filename)export_file = os.path.join(_export_file_path, str(os.path.splitext(filename)[0]) + '.pdf')if self._is_async:t = threading.Thread(target=funcCall, args=(filename, export_file))# threads.append(t)t.start()else:funcCall(filename, export_file)# 开始调用start方法，同时开始所有线程# for i in range(0, len(self._filename_list)):#     threads[i].start()_Log.info('转换完成！')return 0if __name__ == "__main__":# 支持文件夹批量导入,也支持单个文件的转换# 默认异步导出到每个文件的对应文件下，也可指定相应目录folder = 'tmp'pathname = os.path.join(os.path.abspath('.'), folder)# pathname = 'test.doc'PDF = PDFConverter(pathname)PDF.converter()

其中

 gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)

并未用到，也可以用gencache去启动进程，此处不做探究。

不足之处，还请各位多多指教