将word转换为html的方法研究
因为最近有需求，有可能通过word转html，所以初步调查后整理如下。
问题的描述
不把问题说清楚就谈解决方案是不明智的，所以先把问题说清楚：
目前网上有一套word文件，后台提供上传入口。上传后，您必须分析内容并支持在富文本编辑器中编辑。word文档中有一个空白处，可以在编辑器中填充生成新的数据。原始单词和新生成的单词最终将保持pdf格式。
我是这样分析的：
第一个方案
Word必须上传，并且可以在编辑器中编辑，所以word必须迁移到html。
最终的word必须生成为pdf，第一步生成的html必须生成为pdf，以保证格式。
第二个方案
因为我之前就知道那个word会生成pdf，所以我很自然的就想能不能不用html直接转换成pdf。这可以减少代码的复杂性和错误。本来机器切换次数越多，误差越大。
但是根据问题的描述，导入的单词其实就像一个模板。我们需要能够编辑它，但是这个方法可能无法调整内容，所以保留了这个方法。
word到html
所有方法仅描述具体实现，详情可在官网查询。
Unoconv工具依赖于LibreOffice或者OpenOffice，两者都是基于开源软件，通常是LibreOffice(可能是针对protocol，Debian等的分发视图。)
我的环境是Centos。解压缩后，使用以下命令安装下载的rpm软件包：
cd目录
美味安装。/*.每分钟转数
Rpm -ivh。/*.这里没有使用rpm，因为rpm命令不能解决依赖性问题。百胜会解决的。
Unoconv安装
下面有链接，直接下载解压。目录中有unoconv命令，请直接执行。
处理问题：
运行unoconv命令后：
/opt/libre office 6.2/program/python。平静的边缘：/lib64/libc.so.6:找不到版本“glibc _ 2.14”(必需)
看来LibreOffice要依赖更高版本的glibc了。注意：glibc是整个系统的基础，请不要轻易动。这里是带备份的docker环境，所以我简单地试了一下：
检查当前的glibc版本：
strings/lib 64/libc . so . 6 grep glibc _
请看yum源代码的版本：
rpm -qa grep glibc
没有GLIBC_2.14的版本。从此链接下载，下载并按照以下步骤安装。(没有备份。请小心。) :
cd目录
建设。/configure-prefix=/usr/local/glibc-2.14
生成-j4
sudo make安装
导出LD _ library _ path=/usr/local/glibc-2.14/lib 3360 $ LD _ library _ path
注意：由于此安装非常慢，这些步骤没有完全执行。
Glibc很难升级，只好降级LibreOffice。我的系统glibc最高版本是2.12，所以又下载了5.4.7。找不到官方说明。完全是感情用事。
安装完成后，启动office服务。没必要开始。基于c/s架构的性能更好。
cd目录。/soffice-no logo-headless-accept= socket，host=127.0.0.1，port=8100urpStarOffice。服务管理器
启动后，可能会出现以下问题。
/opt/libre office 5.4/program/Soffice。平静的边缘：error while加载共享库3360 libcairo.so.23360不能打开共享库
解决方案：
yum安装ibus
在这一点上，我的想法有点无知。看看yum源码里有没有这个软件(4.3.7版)安装。之后，只需卸载之前安装的版本。
之后，在启动命令中，遇到了一些问题，以及相应的解决方法：
问题
Java ldx:找不到ajavaruntimeenvironment！
警告：失败
从javaldx读取路径
解决方案：
Yum -y安装libreoffice-base问题
/usr/lib 64/libre office/program/soft fice。平静命运X11错误：无法打开显示
解决方案：
安装libreoffice-headless pdf乱码，然后想直接转换成pdf使用。这个时候，我已经很焦虑了。看看下面这个命令就知道了，哈哈。
yum -y安装libreoffice*
百胜集团安装中文-支持
到目前为止，所有可能的问题都已解决，或者说转换仍在进行：
cd目录。/unoconv - connection socket，host=127.0.0.1，port=8100urpStarOffice。组件上下文-f html-o a.html a . docx
生成html后，我迫不及待地想看看它是什么样子。样式基本都有，但是源文件太乱了。在富文本编辑器中显示它们是可以的，但是tcpdf生成的pdf基本上是不可读的。至于为什么用tcpdf生成pdf，首先，项目中目前使用的是tcpdf，切换是有一定成本的。其次，我们不能为了解决这个问题而容忍杂乱的html代码，从数据存储或者后期维护都做不到这一点。
如果自动生成的代码不行，会根据文本进行清理。但是，考虑到源word文档的多样性，可能会有各种小问题，所以这个方案也就不了了之了。
安装：
yum -y安装pandoc
执行命令转换：
pandoc ZZ . docx-o a.html
错误报告：
pandoc: zz.docx: hGetContents:无效参数(无效的UTF-8字节序列)
这个问题还没解决，可能是版本问题，我试着下载了最新版本。这里可以直接执行解压后的平静命运目录中的命令，结果正常。
在mac下，我也尝试了安装：
安装：
brew安装pandoc
brew安装pandoc-citeproc
执行上面同样的转换命令，结果是一致的。
您也可以执行此命令来添加自定义标题：
pandoc-s ZZ . docx-o a.html
发生了以下错误：
[警告]此文档格式需要非空的
元素。请在元数据中指定“标题”或“页面标题”，
例如通过使用元数据页面标题= . 在命令行上。
退回到“zz”
根据提示，你应该添加一个标题。使用以下命令解决它：
pandoc -s zz.docx -元数据标题：“标题”-a.html
成功了，我等不及了。与unoconv相比，输出结果代码要少得多，代价是损失了一些样式，比如字体大小。左右页都没了，一般还是用不了。
3.phpword
尝试了上面两种命令式的方法，都解决不了问题，所以尝试用php扩展直接处理。
PHP默认安装了composer，但是我们的项目不使用composer环境。你可以通过这个链接下载完整的require文件包，并直接在项目中引用它。
下面的php代码：
需要一次应用程序路径。/classes/PHP word/vendor/autoload . PHP ；
$ PHP word= PHP office PHP word io factory:load( a . docx )；
$ XML writer= PHP office PHP word io factory:create writer($ PHP word， HTML )；
$ xmlWriter-save( a . html )；
执行完上面的代码，就可以生成html了。我还是等不及了。生成的html类似于unoconv，代码很多，转换成pdf格式也不完善，所以lmdjzg并不是一个好的解决方案。
摘要
所以我们在尝试了unoconv，pandoc，phpword之后，还是得不到相对简洁的tcpdf友好的html。目前还没有尝试付费方案。如果有必要，可以考虑再研究一下。
其他想法
我也想到了直接从word转换成pdf。首先，对于word模板文档，我们可以用phpword读出空白处(空白处有专门的logo)，配置一个表单单独填写空白处。用户添加后，由phpword写入，最后由unoconv生成pdf。
这样，可以删除富文本编辑器。当填写的内容被删除后，直接更改表单内容即可。
这似乎是一个解决办法。
人是活着的，人的需求是可以沟通的。在投入与产出成正比的条件下，各种方案都值得交流和尝试。
(完)
发表回复