PHP把网页保存为word文件的三种方法

一、php生成word的两种思路或原理

1.利用windows下面的 com组件
2.利用php将内容写入doc文件之中
具体实现方法如下。

二、利用windows下面的com组件

原理：com作为php的一个扩展类，安装过office的服务器会自动调用word.application的com，可以自动生成文档，php官方文档手册：http://www.php.net/manual/en/class.com.php

使用官方实例：

<?php
// starting word
$word = new com("word.application") or die("unable to instantiate word");
echo "loaded word, version {$word->version}\n";

//bring it to front
$word->visible = 1;

//open an empty document
$word->documents->add();

//do some weird stuff
$word->selection->typetext("this is a test...");
$word->documents[1]->saveas("useless test.doc");

//closing word
$word->quit();

//free the object
$word = null;
?>

个人建议：com实例后的方法都需要查找官方文档才知道什么意思，编辑器没有代码提示，非常不方便，另外这个效率也不是很高，不推荐使用

三、利用php将内容写入doc文件之中
这个方法又可以分为两种方法

1.生成mht格式（和html很相似）写入word
2.纯html格式写入word

1）、生成mht格式（和html很相似）写入word

/**
 * 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();
}

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。

使用方法1：远程调用

$url= http://www.***.com;

$content = file_get_contents($url);

$filecontent = getworddocument($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

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

使用方法2:本地生成调用

header("cache-control: no-cache, must-revalidate");
header("pragma: no-cache");
$wordstr = 'php教程网站--jb51.net';
$filecontent = getworddocument($wordstr);
$filename = iconv("utf-8", "gbk", ‘php教程' . '_'. $intro . '_' . rand(100, 999));  
header("content-type: application/doc");
header("content-disposition: attachment; filename=" . $filename . ".doc");
echo $filecontent;

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 <[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.');
        }
        $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;
    }
}
?>

点评：这种方法的缺点是不支持批量生成下载，因为一个页面只能有一个header，（无论远程使用还是本地生成声明header页面只能输出一个header），即使你循环生成，结果还是只有一个word生成（当然你可以修改上面的方式来实现）

2.纯html格式写入word

原理：

利用ob_start把html页面先存储起来（解决一下页面多个header问题，可以批量生成），然后在写入doc文档内容利用

代码：

<?php
class word
{
    function start()
    {
        ob_start();
        echo '<html xmlns:o="urn:schemas-microsoft-com:office:office"
        xmlns:w="urn:schemas-microsoft-com:office:word"
        xmlns="http://www.w3.org/tr/rec-html40">';
    }
    function save($path)
    {

        echo "</html>";
        $data = ob_get_contents();
        ob_end_clean();

        $this->wirtefile ($path,$data);
    }

    function wirtefile ($fn,$data)
    {
        $fp=fopen($fn,"wb");
        fwrite($fp,$data);
        fclose($fp);
    }
}

$html = '
<table width=600 cellpadding="6" cellspacing="1" bgcolor="#336699">
<tr bgcolor="white">
  <td>php10086</td>
  <td><a href="//www.jb51.net" target="_blank" >//www.jb51.net</a></td>
</tr>
<tr bgcolor="red">
  <td>php10086</td>
  <td><a href="//www.jb51.net" target="_blank" >//www.jb51.net</a></td>
</tr>
<tr bgcolor="white">
  <td colspan=2 >
  php10086<br>
  最靠谱的php技术分享网站
  <img src="//www.jb51.net/wp-content/themes/wportal-blue/images/logo.gif">
  </td>
</tr>
</table>
';

//批量生成
for($i=1;$i<=3;$i++){
    $word = new word();
    $word->start();
    //$html = "aaa".$i;
    $wordname = 'php教程网站--jb51.net'.$i.".doc";
    echo $html;
    $word->save($wordname);
    ob_flush();//每次执行前刷新缓存
    flush();
}

个人点评：这种方法效果最好，原因有三个：

第一代码比较简洁，很容易理解
第二是支持批量生成word（这个很重要）
第三是支持完整的html代码