初探JavaScript PDF blob转换为Word docx方法
PDF转WORD为什么是历史难题
PDF 转Word 是一个非常非常普遍的需求,可谓人人忌危,为什么如此普遍的需求,却如此难行呢,还得看为什么会有这样的一个需求:
PDF文档遵循iOS32000的规范是由Adobe 公司推出的文档格式,之所以应用如此广泛,是因为PDF精确定位了每个字符的坐标、根据坐标绘制的各种形状,使用PDF格式传输和打印文档可以保证格式的一致性,然后很多PDF文件是可用于阅读,展示,打印,但编辑起来是非常困难,如格式调整,文字修改,样式调整等,那么就衍生了PDF 转Word这一历史性的需求,但因为两者之间采用的编码规范以及布局机制的完全不一致,导致转换起来会非常复杂,一般的工具不是格式错乱,就是内容错乱,很难达到客户的原生期望。
其难点在于建立从PDF基于元素位置的格式到Word基于内容的格式的映射。PDF文档实际并不存在段落、表格的概念,PDF转Word要做的就是将PDF文档中“横、竖线条围绕着文本”解析为Word的“表格”将“文本及下方的一条横线”解析为“文本下划线”等等。
两个工具两套规则,自古以来两个工具之间的兼容转换,除非是为一家所有,会有通用的标准和接口预留,达到很好的兼容性,但 Adobe和微软都是巨大的科技企业,且两款软件功能都是非常强大且覆盖面全,要做到完美的匹配所有规则更是非常苦难。
对于报表用户来说,很多用户会将报表理解为报告,报告自然会联想到Word,那么就很希望在页面中展示的内容能够成 Word 文件来进行存档,编辑等作用。
ActiveReportsJS 是前端的报表开发工具,不与后端关联,因此想要将展示的HTML 生成Word,研发团队经过一些调研发现整个过程会非常复杂非常困难,正如他们反馈:“不是一个sprint 能解决的问题”,就PDF.js背后都有强大的Mozilla支撑,更何况Word文档是依托微软的Offic开发组件去生成的。
但在实际接触客户的时候,许多用户都会来询问相关内容包括如何用报表设计类似审批表、人事履历表、检测报告等很常见的Word报告。用户对结果都比较满意,但唯一用户不满的是报表结果只能生成pdf。 这是传统,这也是核心需求,也是痛点。
本葡萄就有些很着急,于是不信这个邪,在前端工具如此丰富的情况下,竟没有一个这样可用的工具?
开始搜索,打开google,榨干全部脑汁的词汇量输入了我需要的关键词,搜索到了以下结果。
乍一看,第一条完全吻合,Node.js 虽说是服务端也不是不可以接受,只要有方案即可。
使用cloudmersive-convert-api-client 实现任意文件格式的转换
https://cloudmersive.medium.com/how-to-convert-pdf-to-word-docx-format-in-node-js-30291f7c446b
看着非常有戏
代码简单:
但仔细看看代码, **果然老天在为我们送东西的时候都在背后的标好了价格 :
心想如果可以,付费就付费吧, 毕竟我们也是做付费商业软件的专业er,版权意识还是需要有的。
点击登录,用谷歌账号登陆成功后,即可在项目中引用cloudmersive-convert-api-client 安装包。
该JS 库提供了将近几十种的API及Class用于处理转换不同的格式文件:除了将PDF转Word外,还有其他发的文件格式转换,使用起来也是非常简单,
转换结果测评:
可以识别本地的PDF 文件,转换结果:
- 能够保证90%的格式和样式,达到要求
- 图片可直接导入
- 背景色无法保留
- 表格无法直接导入为Word的表格,只能作为但文本
- 页眉页脚信息无法直接导入为Word的页眉页脚,只作为文本
- 部分内容丢失
- 产品价格
因为整个转换API 只是CloudMersive 的一个API功能,整个产品还附加其他的安全检验等功能,因此产品是按月及并发数收费的。大家可自行搜索了解,不过他们网站倒是提供好了几个文件转换的工具非常好用,无需登录直接获取转换结果
https://cloudmersive.com/tools
尝试既然有PDF流直接暴力转换Word文档,可否?
通过搜索发现PDF对象流直接用JS 转换为Word 文件是非常困难的, 而且经过验证ARJS 导出PDF 文件可以用Word软件打开,那么突然想到是否可以找一个中间件,将PDF流直接转换为doc或docx格式,但搜索一番,尝试之后,只是在.pdf前面加了document.docx.pdf
该方法尝试失败。
跟技术大咖聊了之后, 才发现pdf和word虽然本质都是二进制流,但内部的声明等都是各自文件特有的属性,因此不能直接转换,简而言之就是是什么文件流就只能保存什么文件流。且PDF和Word是两大技术公司背书,直接转换得用专业的工具,因此此路不通 。
曲线救Coder: HTML 转换PDF 大工将成?
于是乎,退而求其次,HTML是万能的,HTML 可以转万物,HTML 转PDF, HTML 转图片,HTML 转Excel等等等,那么 ActiveReportsJS 提供了可将报表导出为HTML 文件且格式完全一致,那么方法来了,我直接使用HTML 转 Word不是更方便些?Google搜索果然此类资料比PDF 转Word多了百倍,而且看代码也是操作非常简单:
https://jscodemine.grapecity.com/share/Itym7G5fAUSWY4ffuu2cJw/
只需3步骤:
1.将报表导出HTML
var pageReport = new ARJS.PageReport(); pageReport.load('./BandedReport.rdlx-json') .then(function() { return pageReport.run() }) .then(function(pageDocument) { return HTMLExport.exportDocument(pageDocument) })
2.加工HTML 代码增加office 标记
3.创建 a 标签,直接下载 doc格式
var fileDownload = document.createElement("a"); document.body.appendChild(fileDownload); fileDownload.href = sourceHTML; fileDownload.download = 'document.doc'; fileDownload.click(); document.body.removeChild(fileDownload);
看看结果:效果很Nice
转换结果测评:
- 样式丢失,包括字体颜色,背景色,形状
- 图像丢失
- 表格可以直接导入为Word表格
- 图标保留
4.总结
两种转化结果总结如下:
通过一番尝试也算是有一个Workaround,考虑到报告类的报表一般以文本内容为主,样式也比较朴素,所以使用html到Word转换不失为一个快速简洁的方法,大部分需要保存为Word 还是为了进行二次编辑。本葡萄也在努力寻找HTML 转Word 样式保留的方法,有新的进展会给大家更新第二篇。
转载请注明出处:葡萄城官网,葡萄城为开发者提供专业的开发工具、解决方案和服务,赋能开发者。
- Wiki百科:PDF介绍
- Wiki 百科:Word介绍
- pdf.js analog for Word Documents
- 纯前端报表控件ActiveReportsJS
初探JavaScript PDF blob转换为Word docx方法相关推荐
- C# 将PDF文件转换为word格式
Pdf(Portable Document Format)意为"便携式文档格式",是现在最流行的文件格式之一,它有很多优点如:尺寸较小.阅读方便.操作系统平台通用等,非常适合在网络 ...
- java pdf 转换 word_如何使用Java将pdf文件转换为word文件
如何使用Java将pdf文件转换为word文件? 而且,它看起来像它一样容易吗? 解决方法: public class PDFTextReader { static String pdftoText( ...
- 将Pdf文件转换为Word
在Word 2013里面,我们可以打开一个PDF文件,并对其进行编辑,重新保存后,实现将PDF文件转换为Word文件 下面由简单的代码VBA代码实现将某个目录下所有的PDF文件转为Word文件 Sub ...
- 如何快速将PDF文件转换为Word文档
PDF文件是一个广泛使用的电子文档格式,其被广泛应用于各种领域,包括教育.商业和政府.虽然PDF文件非常实用,但有时你需要将其转换为Word文档,以便更方便地编辑和处理.以下是几种快速将PDF文件转换 ...
- 在Word2013中如何将PDF文件转换为Word文件
Word和PDF文件之间的相互转换在我们的生活中是经常需要用到的,也是曾经困扰了很多人的一个问题,现在好了,Word2013可以直接帮我们将PDF文件转换为 Word 文件了,小伙伴儿们有没有惊呆了呢 ...
- 苹果手机如何将PDF文件转换为Word文档
作为职场小白一遇到文件转换就头疼,特别是下班了之后手机接收到的PDF文件,电脑又不在身边,手机又不会转换,是不是很多人都有我这样的苦恼,但是小编今天就在这告诉大家,手机上市可以实现PDF文件转换Wor ...
- 如何在C#中实现将PPT演示文稿转换为 Word DOCX
在某些情况下,可能需要将 PowerPoint 演示文稿转换为 Word 文档.为了自动化此过程或批量转换,本文介绍了如何使用 C# 将 PowerPoint PPTX/PPT 转换为 Word DO ...
- 怎么把rmd改成html,在Rmd中的htmlTable - 转换为Word docx
我有以下Rmd文件,它生成一个html文件,然后我将其复制粘贴到docx文件(对于协作者)中.以下是我想知道如何处理表格的问题,但我无法在短片中找到答案here:在Rmd中的htmlTable - 转 ...
- html字符串转成数组,图文详解JavaScript中字符串转换为数组的方法
在前端开发中经常需要使用JavaScript,那你知道怎么将JS字符串转换为数组吗?这篇文章就和大家讲讲JS将字符串转换为数组的方法,感兴趣的朋友可以参考一下,希望可以帮助到你. 之前一篇文章已经给大 ...
- 如何将PDF格式转换为WORD文档
经常在PDF形式上看到有好的文件时,想把它拿出来,但是却是不行,所以我第一步就是找一下有没有可以到PDF格式与WORD文档的转换,在网上找了一下,原来还真的有很多,今天我就把这些方法也传上来,不过我也 ...
最新文章
- MediaCodec_loop 崩溃
- [SourceInsight].SI自动添加函数注释
- java文件全是数字编码_批量将Java源代码文件的编码从GBK转为UTF-8
- [haoi2011]防线修建
- nginx正向代理 反向代理
- 吴恩达《机器学习》第九章:神经网络的学习
- MySQL数据库数据存放位置修改
- 发布传参_Taro 1.2.9 发布,BAT 小程序、H5 与 RN 端统一框架
- 可三维成像(16,32线等)激光雷达调研
- 【破解】PyCharm2018专业版激活(激活到2100年)
- Thread dump文件抓取和分析(JCA工具)
- 如何使用.bas文件
- OV7670手册相关摘要
- DPCM编码解码的原理
- 2022年全国技能大赛云计算 RocketChat聊天系统上云
- 阿里、百度、腾讯Java程序员面经(附带面试题答案)
- 计算机找不到文件素材,AE收集文件后发现素材消失了的解决步骤
- isca_2021_papers_list
- 句子类型 - there be结构
- solidity:1. 变量和常量