CoffeeCat's IT Blog

PHP网页导出Word文档的方法

首先,要和大家说声抱歉,因为我有半年没有更新博客了。这半年过得很充实,也很忙碌,以至于没有时间写博客了。

今天要探讨的是PHP网页导出Word文档的方法,使用其他语言的朋友也可以参考,因为原理是差不多的。


原理

    一般,有2种方法可以导出doc文档,一种是使用com,并且作为php的一个扩展库安装到服务器上,然后创建一个com,调用它的方法。安装过office的服务器可以调用一个叫word.application的com,可以生成word文档,不过这种方式我不推荐,因为执行效率比较低(我测试了一下,在执行代码的时候,服务器会真的去打开一个word客户端)。理想的com应该是没有界面的,在后台进行数据转换,这样效果会比较好,但是这些扩展一般需要收费。
    第2种方法,就是用PHP将我们的doc文档内容直接写入一个后缀为doc的文件中即可。使用这种方法不需要依赖第三方扩展,而且执行效率较高。
    word本身的功能还是很强大的,它可以打开html格式的文件,并且能够保留格式,即使后缀为doc,它也能识别正常打开。这就为我们提供了方便。但是有一个问题,html格式的文件中的图片只有一个地址,真正的图片是保存在其他地方的,也就是说,如果将HTML格式写入doc中,那么doc中将不能包含图片。那我们如何创建包含图片的doc文档呢?我们可以使用和html很接近的mht格式。
    mht格式和html很类似,只不过在mht格式中,外部链接进来的文件,比如图片、Javascript、CSS会被base64进行编码存储。因此,单个mht文件就可以保存一个网页中的所有资源,当然,相比html,它的尺寸也会比较大。
    mht格式能被word识别吗?我将一个网页保存成mht,然后修改后缀名为doc,再用word打开,OK,word也可以识别mht文件,并且可以显示图片。
    好了,既然doc可以识别mht,下面就是考虑如何将图片放入mht了。由于html代码中的图片的地址都是写在img标签的src属性中,因此,只要提取html代码中的src属性值,就可以获得图片地址。当然,有可能您获取到的是相对路径,没关系,加上URL的前缀,改成绝对路径就可以了。有了图片地址,我们就可以通过file_get_content函数获取到图片文件的具体内容,然后调用base64_encode函数将文件内容编码成base64编码,最后插入到mht文件的合适位置即可。
    最后,我们有两种方法将文件发送给客户端,一种是先在服务器端生成一个doc文档,然后将这个doc文档的地址记录下来,最后,通过header("location:xx.doc");就可以让客户端下载这个doc。还有一种是直接发送html请求,修改HTML协议的header部分,将它的content-type设置为application/doc,将content-disposition设置为attachment,后面跟上文件名,发送完html协议以后,直接将文件内容发送给客户端,也可以让客户端下载到这个doc文档。

实现


    通过以上的原理介绍,相信大家应该对实现的过程有个初步的了解了,下面我给出一个导出函数,这个函数可以将HTML代码导出成一个mht文档,参数有3个,其中后2个为可选参数
    content:要转换的HTML代码
    absolutePath: 如果HTML代码中的图片地址都是相对路径,那么这个参数就是HTML代码中缺少的绝对路径。
    isEraseLink:是否去掉HTML代码中的超链接

    返回值为mht的文件内容,您可以通过file_put_content将它保存成后缀名为doc的文件

    这个函数的主要功能其实就是分析HTML代码中的所有图片地址,并且依次下载下来。获取到了图片的内容以后,调用MhtFileMaker类,将图片添加到mht文件中。具体的添加细节,封装在MhtFileMaker类中了。


/**
 * 根据HTML代码获取word文档内容
 * 创建一个本质为mht的文档,该函数会分析文件内容并从远程下载页面中的图片资源
 * 该函数依赖于类MhtFileMaker
 * 该函数会分析img标签,提取src的属性值。但是,src的属性值必须被引号包围,否则不能提取
 * 
 * @param string $content HTML内容
 * @param string $absolutePath 网页的绝对路径。如果HTML内容里的图片路径为相对路径,那么就需要填写这个参数,来让该函数自动填补成绝对路径。这个参数最后需要以/结束
 * @param bool $isEraseLink 是否去掉HTML内容中的链接
 
*/
function getWordDocument( $content , $absolutePath = "" , $isEraseLink = true )
{
    
$mht = new MhtFileMaker();
    
if ($isEraseLink)
        
$content = preg_replace('/<a\s*.*?\s*>(\s*.*?\s*)<\/a>/i' , '$1' , $content);   //去掉链接

    
$images = array();
    
$files = array();
    
$matches = array();
    
//这个算法要求src后的属性值必须使用引号括起来
    if ( preg_match_all('/<img[.\n]*?src\s*?=\s*?[\"\'](.*?)[\"\'](.*?)\/>/i',$content ,$matches ) )
    {
        $arrPath = $matches[1];
        for ( $i=0;$i<count($arrPath);$i++)
        {
            $path = $arrPath[$i];
            $imgPath = trim( $path );
            if ( $imgPath != 
"" )
            {
                $files[] = $imgPath;
                if( substr($imgPath,0,7) == 'http://')
                {
                    //绝对链接,不加前缀
                }
                else
                {
                    $imgPath = $absolutePath.$imgPath;
                }
                $images[] = $imgPath;
            }
        }
    }
    $mht->AddContents(
"tmp.html",$mht->GetMimeType("tmp.html"),$content);
    
    for ( $i=0;$i<count($images);$i++)
    {
        $image = $images[$i];
        if ( @fopen($image , 'r') )
        {
            $imgcontent = @file_get_contents( $image );
            if ( $content )
                $mht->AddContents($files[$i],$mht->GetMimeType($image),$imgcontent);
        }
        else
        {
            echo 
"file:".$image." not exist!<br />";
        }
    }
    
    return $mht->GetFile();
}



使用方法:
$fileContent = getWordDocument($content,"http://www.yoursite.com/Music/etc/");
$fp = fopen("test.doc", 'w');
fwrite($fp, $fileContent);
fclose($fp);

其中,$content变量应该是HTML源代码,后面的链接应该是能填补HTML代码中图片相对路径的URL地址

注意,在使用这个函数之前,您需要先包含类MhtFileMaker,这个类可以帮助我们生成Mht文档。


<?php
/***********************************************************************
Class:        Mht File Maker
Version:      1.2 beta
Date:         02/11/2007
Author:       Wudi <wudicgi@yahoo.de>
Description:  The class can make .mht file.
**********************************************************************
*/

class MhtFileMaker{
    
var $config = array();
    
var $headers = array();
    
var $headers_exists = array();
    
var $files = array();
    
var $boundary;
    
var $dir_base;
    
var $page_first;

    
function MhtFile($config = array()){

    }

    
function SetHeader($header){
        
$this->headers[] = $header;
        
$key = strtolower(substr($header, 0, strpos($header, ':')));
        
$this->headers_exists[$key= TRUE;
    }

    
function SetFrom($from){
        
$this->SetHeader("From: $from");
    }

    
function SetSubject($subject){
        
$this->SetHeader("Subject: $subject");
    }

    
function SetDate($date = NULL, $istimestamp = FALSE){
        
if ($date == NULL) {
            
$date = time();
        }
        
if ($istimestamp == TRUE) {
            
$date = date('D, d M Y H:i:s O', $date);
        }
        
$this->SetHeader("Date: $date");
    }

    
function SetBoundary($boundary = NULL){
        
if ($boundary == NULL) {
            
$this->boundary = '--' . strtoupper(md5(mt_rand())) . '_MULTIPART_MIXED';
        } 
else {
            
$this->boundary = $boundary;
        }
    }

    
function SetBaseDir($dir){
        
$this->dir_base = str_replace("\\", "/", realpath($dir));
    }

    
function SetFirstPage($filename){
        
$this->page_first = str_replace("\\", "/", realpath("{$this->dir_base}/$filename"));
    }

    
function AutoAddFiles(){
        
if (!isset($this->page_first)) {
            
exit ('Not set the first page.');
        }
        
$filepath = str_replace($this->dir_base, '', $this->page_first);
        
$filepath = 'http://mhtfile' . $filepath;
        
$this->AddFile($this->page_first, $filepath, NULL);
        
$this->AddDir($this->dir_base);
    }

    
function AddDir($dir){
        
$handle_dir = opendir($dir);
        
while ($filename = readdir($handle_dir)) {
            
if (($filename!='.'&& ($filename!='..'&& ("$dir/$filename"!=$this->page_first)) {
                
if (is_dir("$dir/$filename")) {
                    
$this->AddDir("$dir/$filename");
                } 
elseif (is_file("$dir/$filename")) {
                    
$filepath = str_replace($this->dir_base, '', "$dir/$filename");
                    
$filepath = 'http://mhtfile' . $filepath;
                    
$this->AddFile("$dir/$filename", $filepath, NULL);
                }
            }
        }
        
closedir($handle_dir);
    }

    
function AddFile($filename, $filepath = NULL, $encoding = NULL){
        
if ($filepath == NULL) {
            
$filepath = $filename;
        }
        
$mimetype = $this->GetMimeType($filename);
        
$filecont = file_get_contents($filename);
        
$this->AddContents($filepath, $mimetype, $filecont, $encoding);
    }

    
function AddContents($filepath, $mimetype, $filecont, $encoding = NULL){
        
if ($encoding == NULL) {
            
$filecont = chunk_split(base64_encode($filecont), 76);
            
$encoding = 'base64';
        }
        
$this->files[] = array('filepath' => $filepath,
                               
'mimetype' => $mimetype,
                               
'filecont' => $filecont,
                               
'encoding' => $encoding);
    }

    
function CheckHeaders(){
        
if (!array_key_exists('date', $this->headers_exists)) {
            
$this->SetDate(NULL, TRUE);
        }
        
if ($this->boundary == NULL) {
            
$this->SetBoundary();
        }
    }

    
function CheckFiles(){
        
if (count($this->files) == 0) {
            
return FALSE;
        } 
else {
            
return TRUE;
        }
    }

    
function GetFile(){
        
$this->CheckHeaders();
        
if (!$this->CheckFiles()) {
            
exit ('No file was added.');
        }
        
$contents = implode("\r\n", $this->headers);
        
$contents .= "\r\n";
        
$contents .= "MIME-Version: 1.0\r\n";
        
$contents .= "Content-Type: multipart/related;\r\n";
        
$contents .= "\tboundary=\"{$this->boundary}\";\r\n";
        
$contents .= "\ttype=\"" . $this->files[0]['mimetype'] . "\"\r\n";
        
$contents .= "X-MimeOLE: Produced By Mht File Maker v1.0 beta\r\n";
        
$contents .= "\r\n";
        
$contents .= "This is a multi-part message in MIME format.\r\n";
        
$contents .= "\r\n";
        
foreach ($this->files as $file) {
            
$contents .= "--{$this->boundary}\r\n";
            
$contents .= "Content-Type: $file[mimetype]\r\n";
            
$contents .= "Content-Transfer-Encoding: $file[encoding]\r\n";
            
$contents .= "Content-Location: $file[filepath]\r\n";
            
$contents .= "\r\n";
            
$contents .= $file['filecont'];
            
$contents .= "\r\n";
        }
        
$contents .= "--{$this->boundary}--\r\n";
        
return $contents;
    }

    
function MakeFile($filename){
        
$contents = $this->GetFile();
        
$fp = fopen($filename, 'w');
        
fwrite($fp, $contents);
        
fclose($fp);
    }

    
function GetMimeType($filename){
        
$pathinfo = pathinfo($filename);
        
switch ($pathinfo['extension']) {
            
case 'htm': $mimetype = 'text/html'break;
            
case 'html': $mimetype = 'text/html'break;
            
case 'txt': $mimetype = 'text/plain'break;
            
case 'cgi': $mimetype = 'text/plain'break;
            
case 'php': $mimetype = 'text/plain'break;
            
case 'css': $mimetype = 'text/css'break;
            
case 'jpg': $mimetype = 'image/jpeg'break;
            
case 'jpeg': $mimetype = 'image/jpeg'break;
            
case 'jpe': $mimetype = 'image/jpeg'break;
            
case 'gif': $mimetype = 'image/gif'break;
            
case 'png': $mimetype = 'image/png'break;
            
default: $mimetype = 'application/octet-stream'break;
        }
        
return $mimetype;
    }
}
?>



    上面我们讨论了通过mht文件,来实现PHP导出doc格式的。这种方法可以解决一个难题,就是使导出的doc文件中包含图片,当然,如果您要包含更多的内容,比如CSS样式表,只需要用正则表达式分析HTML代码中的link标签,提取css样式文件的地址,然后读取并编码成base64,最后加入到mht文件中就可以了。


Ferris
2008-08-07

posted on 2008-08-07 18:25 CoffeeCat 阅读(20489) 评论(31)  编辑 收藏 引用

评论

# re: PHP网页导出Word文档的方法 2008-10-12 00:31 longware

good  回复  更多评论   

# re: PHP网页导出Word文档的方法 2008-11-21 13:27 海风

谢谢分享
试过了
好使  回复  更多评论   

# re: PHP网页导出Word文档的方法 2009-04-06 16:56 齐红心

$fileContent = getWordDocument($content,"http://www.yoursite.com/Music/etc/");
中变量$content如何引用,从哪里来的确良  回复  更多评论   

# re: PHP网页导出Word文档的方法 2009-04-08 09:27 CoffeeCat

@齐红心
$content变量是需要你自己赋值的,也就是你希望写入Word文档的内容,以HTML格式表示,在调用getWordDocument方法之前赋好值就可以了。$fileContent得到的就是根据$content生成的MHT格式的内容,最后把它写入doc的文件~  回复  更多评论   

# re: PHP网页导出Word文档的方法[未登录] 2009-10-20 10:48 叶子

请问这位高手,反之,用php怎样把word中的图片读出来,并保存成图片文件呢?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2009-10-20 13:11 CoffeeCat

@叶子
可以尝试一下在PHP中使用Word的COM组件,也就是通过$word = new COM("word.application");来实例化1个word对象,然后调用COM的方法操作word文档。可以SaveAs成网页,就等于是将word转换成htm了  回复  更多评论   

# re: PHP网页导出Word文档的方法[未登录] 2009-10-29 10:48 python

感谢提供如此好的代码,终于解决了困扰多日的技术难题。  回复  更多评论   

# re: PHP网页导出Word文档的方法 2010-06-09 21:29 ruyu339

如果我已有mht文档,如何打开,替换相应内容,再调用你这个生成word的方法呢?是不是不需要先包含类MhtFileMaker?  回复  更多评论   

# re: PHP网页导出Word文档的方法[未登录] 2010-06-10 19:12 CoffeeCat

@ruyu339
你好,如果要手动修改mht文档,可以直接改名成doc,然后用word打开修改。如果是想要用程序来自动修改,这个就不知道了~生成mht可以参考本文档的说明~那个类是用来生成mht的,不是用来读取mht的~  回复  更多评论   

# re: PHP网页导出Word文档的方法 2010-08-28 15:34 jason

额,请问CSS样式表的添加要如何写啊,俺是新人,真不懂这个,但刚好又要用到这个功能。求助  回复  更多评论   

# re: PHP网页导出Word文档的方法 2010-08-30 16:42 CoffeeCat

@jason
CSS样式表的嵌入和图片是一样的,可以参考添加图片的代码

for ( $i=0;$i<count($images);$i++)
{
$image = $images[$i];
if ( @fopen($image , 'r') )
{
$imgcontent = @file_get_contents( $image );
if ( $content )
$mht->AddContents($files[$i],$mht->GetMimeType($image),$imgcontent);
}
else
{
echo "file:".$image." not exist!<br />";
}
}


你只要想办法获取文档中所有外链CSS文件的路径,然后赋值给上面的$images变量(示例程序是用正则表达式获取所有图片的路径的)。有了CSS的路径,后面的程序不改应该也可以。
思路其实很简单,只需要先获取所以css文件的路径,然后遍历所有CSS文件,依次用file_get_contents读取css内容,并调用$mht->AddContents将CSS的内容附加到mht中即可。

你可以试试。  回复  更多评论   

# re: PHP网页导出Word文档的方法 2011-04-07 10:36 流行点q

可是linux下面没有com情况,如何处理@CoffeeCat
  回复  更多评论   

# re: PHP网页导出Word文档的方法 2011-07-21 14:21 aaa

如何将内容输出后提示下载呢?远程下载到客户端也行啊!可是好像没有写明。  回复  更多评论   

# re: PHP网页导出Word文档的方法 2011-07-21 19:46 aaa

'/<img[.\n]*?src\s*?=\s*?[\"\'](.*?)[\"\'](.*?)\/>/i'这个正则咋提取不到图片的位置呢?读着应该可以。可老是提取不了  回复  更多评论   

# re: PHP网页导出Word文档的方法 2011-08-23 16:13 周祥

大哥你的正则 获取图片 有问题  回复  更多评论   

# re: PHP网页导出Word文档的方法 2012-03-21 14:07 何状

@CoffeeCat
我试过好几次用COM组件获取word的内容,去官网上下的代码实例也都报错了,都是添加的时候出了问题,能贴一下完整代码吗  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-01-14 14:25 小满

'/<img[.\n]*?src\s*?=\s*?[\"\'](.*?)[\"\'](.*?)\/>/i' 你这个方法里面的这段正则提取不到图片啊 ?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-01-14 14:26 小满

楼主能帮忙解决下不啊 , 在线等啊 ……  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-14 16:01 彼岸

$fileContent = getWordDocument($content,"http://www.yoursite.com/Music/etc/");
这个里面的路径是做什么用的啊。  回复  更多评论   

# re: PHP网页导出Word文档的方法[未登录] 2013-03-15 14:51 CoffeeCat

@彼岸
相当于HTML代码里图片的根目录。比如你HTML里的图片代码是这样写的
<img src="abc.jpg" />
其实这张图片的完整路径是http://img.yoursite.com/etc/abc.jpg">http://img.yoursite.com/etc/abc.jpg
那么你后面的参数就要配置成http://img.yoursite.com/etc/
这样导出的时候程序就知道你图片的完整路径了,导出的word也就可以内嵌图片的。
  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-18 17:42 彼岸

最后一行代码 是:return $mht->GetFile();这个是什么意思?还有请问一下,我按照你们说的这个引用了,但是也不出图片啊。原因是没有改变图片的路径,也就是说没有加前缀的那儿。这是什么情况。说实话,我研究了好几天了,但是至今为止都没有太明白到底是什么意思?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-19 10:40 彼岸

return $mht->GetFile();这个我能弄懂了,但是怎么获取不到图片啊。完整路径的就能导出,但是没有完整路径的却加不上路径。@彼岸  回复  更多评论   

# re: PHP网页导出Word文档的方法[未登录] 2013-03-19 16:35 CoffeeCat

@彼岸
那估计还是图片的路径写错了。

你可以在
$mht->AddContents("tmp.html",$mht->GetMimeType("tmp.html"),$content);
这行代码上面加上:
var_dump( $images );
exit();

然后刷新一下网页,看看输出的图片绝对地址是不是对。  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-25 14:59 彼岸

不是图片路径错了,是你文中的匹配图片的正则有错误,改成"/<[img|IMG].*?src=[\'|\"](.*?(?:[\.gif|\.jpg]))[\'|\"].*?[\/]?>/"就可以了。@CoffeeCat  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-25 15:00 彼岸

不过我还想问一下,怎么加上样式呢?我导出来的样式一点也没有,上面说参考加图片的方法,可是我还是不明白。  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-25 15:06 彼岸

这个也是需要把外部样式的链接给加上绝对路径,然后再用上面写的那个方法加进去吗?
@CoffeeCat
  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-03-30 01:06 neal

请问怎么设置页眉页脚?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-04-27 13:57 初初

按照上面的方法 把css文件路径放入$images里面,但是到处的文档和网页不一样, css 样式感觉没有写入  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-07-12 16:08 李杰

我想问的是将html文件导出后的doc文件在哪里啊?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2013-08-27 19:11 啊门徒

为什么匹配到的图片大小没办法限制呢?  回复  更多评论   

# re: PHP网页导出Word文档的方法 2016-05-18 14:53 php开发

@海风
你的那个header协议是在什么地方写的  回复  更多评论   

只有注册用户登录后才能发表评论。
<2008年8月>
272829303112
3456789
10111213141516
17181920212223
24252627282930
31123456

导航

统计

公告

常用链接

留言簿(203)

随笔档案

收藏夹

搜索

最新评论

阅读排行榜

评论排行榜