[原创]java合并word文件

Posted 2020-11-03 - 子午线 -

需求背景

　　在互联网教育行业，做内容相关的项目经常碰到的一个问题就是如何动态生成一张word试卷。事先把题库中的每一道试题都已经保存成一个独立的word文件了，但是在选择了部分试题生成一张word试卷的时候，如果不能通过java程序来合并已经选择了的word试题文件，那么就只能通过手动录入和拷贝的方式来合并word内容，效率低下，而且人工成本和录入出错率都较高。

问题难点

　　使用POI来实现word合并需要面对的困难主要有以下几个方面:

• word 结构问题 —— word不开源，且含有很多非文本内容，比如图表、图片，而已知的常规方法只能解析纯文本内容，所以如果不知道word内部层级结构，解析将难以进行。
• word 版本问题 —— 目前word有docx和doc两种文档格式，解析是否要全部兼容？当然，前提是已经成功解析一种类型。
• word 规范问题 —— 有些word可能是早期制作的，返工代价太大，所以格式内容多样化。而且就算制定word格式规范，新制作的word也无法保证格式一定正确。

　　使用Jacob来实现word文档合并要面对的问题：

• 服务器必须是Windows操作系统 —— 目前之所以web项目多用Java开发，就是因为服务器可以是Linux、Unix等非Windows的系统来降低项目的成本。
• 服务器上必须安装Office —— Jacob的意思就是： Java COM Bridge，java中调用office提供的com接口来实现对Office文件的操作。
• 并发问题 —— 如果多用户同时在线生成word文件就必须处理此并发问题，稍有不慎，就会在服务器端产生Office的死进程，死锁服务器的内存资源。

解决方案

　　问题研究一段时间后，进展缓慢，在反复百度的过程中发现PageOffice提供了很好的解决方案，并且在PageOffice的示例程序中就有相关的演示，只不过PageOffice的演示示例是把word文件以二进制流的形式保存在数据库中，只需要在自己的项目中改为用磁盘文件的方式保存word文件就可以了。PageOffice方案采用了调用客户端Office接口进行word文档合并，这样就同时解决了word格式问题、版本问题、规范问题和多用户的并发问题，对服务器端也没有任何要求，堪称完美。

　　PageOffice for Java的开发包下载地址：http://www.zhuozhengsoft.com/dowm/ ，拷贝解压出来的 Samples4 文 件 夹 到 Tomcat 的 Webapps 目 录 下 ， 访 问 ： http://localhost:8080/Samples4/index.html，查看综合演示： 三、2、在Word文档中动态生成一张试卷