欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

PHP中将网页导出为Word文档的代码

程序员文章站 2022-07-07 08:15:21
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w...
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。
复制代码 代码如下:

/**
* 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:
复制代码 代码如下:

$filecontent = getworddocument($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。
复制代码 代码如下:

<?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;
}
}
?>