PHP中将网页导出为Word文档的代码

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 <[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;
}
}
?>