使用PHP导出Word文档的原理和实例

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
* by www.jb51.net
 */
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,"//www.jb51.net/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
author:       wudi <[e-mail]>
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.');
        } //www.jb51.net
        $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。