Linux下使用PHP实现word转html

最近项目遇到一个需求，网页上传docx文档，将其内容导入到富文本编辑器中。

• 方案一：phpword读取word内容，将内容放进编辑器；
  结果：文档中带有超链接的文字统统被过滤掉了，原因不明，百度谷歌亦不得其解。遂放弃！

• 方案二：使用windows下的COM组件，但是本人环境均是Linux，遂又放弃！

• 方案三：使用LibOffice读取word内容，将其转换为html代码。

实现步骤：（以centos为例）

1. 安装LibOffice：
   yum install libreoffice
   很多都是下载安装包啥啥的，本人懒，就这么着！
2. 为了防止中文乱码，咱们再来装上中文语言支持：
   yum -y install libreoffice-langpack-zh-Han*
3. 为了能够命令行启动，再来安装一下一个支持库：
   yum install libreoffice-headless
4. 安装unoconv；LibOffice可以方便的打开多文档格式并按需进行转换，但要一次处理大量文件或要编写脚本进行转换时，仅用LibOffice就难以胜任了。 用unoconv就可以轻松地实现利用LibOffice可以打开的文档的转换.

wget https://raw.githubusercontent.com/dagwieers/unoconv/master/unoconv

chmod +x unoconv
ln -s /usr/libreoffice/unoconv /usr/bin/unoconv

yum install unoconv

5. 接下来就是PHP操作环节（TP5为例）：

• 上传文件的处理

public function index()
    {
        if (\request()->file("file")) {
            $file = \request()->file('file');
            $info = $file->move('./uploads/word2html');
            if ($info) {
                $path = '/uploads/word2html/' . $info->getSaveName();
                $content = $this->word_import($path);
                $res = [
                    'code' => 1,
                    'msg' => 'OK',
                    'data' => $content,
                ];
                return \json_encode($res);
            }
        }
    }

• 对word文档的转换处理

注意：shell_exec是Linux的命令，所以文件的路径必须是Linux命令能够执行到的路径！！！还有一点更重要：用命令行执行php 转换可行的时候，浏览器却不执行，原因在于代码里的注释，好好看！没有sudoers的话请先安装sudo

function word_import($source)
    {
        $dir = dirname($source);
        $filename = strstr(basename($source), '.', true) . '.html';
        $html = $dir . '/html/' . $filename;

        /*这里能够执行的条件：必须把www加入root权限组，并且设置为不需要root密码：设置步骤：打开/etc/sudoers文件，100行左右的地方加上：
        'www        ALL=(ALL)   NOPASSWD: ALL'这么一句*/
        shell_exec('sudo /usr/bin/unoconv -f html -o ' . '/mnt/d/www/wwwroot/www.demo.com/public' . $html . ' ' . '/mnt/d/www/wwwroot/www.demo.com/public' . $source);

        $content = file_get_contents('.' . $html);

        //取body内容，去除样式等其他
        preg_match("/<body.*?>(.*?)<\/body>/is", $content, $match);
        $body = trim($match[0]);
        //设置保留标签，利用php自带的函数清除html格式。保留指定标签
        $body = strip_tags($body, "<p><a><h1><h2><h3><h4><h5><h6><img><em><b><strong><br /><center><dl><dd><dt><ul><li><ol><i><span><pre><section><table><th><td><tr><thead><title><video>");
        //图片保存到本地
        $str = str_replace('<img src="', '<img src="' . $dir . '/html/', $body);
        return $str;
    }