使用Javascript將doc / docx批量轉換為pdf

Question

我正在研究一個Java程序，該程序以編程方式將.doc-和.docx文件轉換為pdf。 我已經測試了幾種將.doc-和.docx-files轉換為pdf的方法，例如使用幾個開源Java庫，可悲的是，這些庫經常會弄亂文檔的布局。

我偶然發現了一個JavaScript腳本，使用底層Microsoft Word實例打開文件並將其另存為PDF（位於： https : //superuser.com/questions/17612/batch-convert-word-documents-to -pdfs-free / 28303＃28303 ）：

var fso = new ActiveXObject("Scripting.FileSystemObject");
var docPath = WScript.Arguments(0);
var pdfPath = WScript.Arguments(1);
docPath = fso.GetAbsolutePathName(docPath);
var objWord = null;
try{
    WScript.Echo("Saving '" + docPath + "' as '" + pdfPath + "'...");
    objWord = new ActiveXObject("Word.Application");
    objWord.Visible = false;
    var objDoc = objWord.Documents.Open(docPath);
    var wdFormatPdf = 17;
    objDoc.SaveAs(pdfPath, wdFormatPdf);
    objDoc.Close();
    WScript.Echo("The CV was succesfully converted.");
} catch(err){
    WScript.Echo("An error occured: " + err.message);
}finally{
    if (objWord != null){
        objWord.Quit();
    }
}

從我的Java程序中為每個文檔同步調用此javascript-script。

在較小的范圍內，這似乎很好用，但是在處理許多文檔（例如數千個）時，我遇到了兩個問題：

• 有時，如果需要繼續進行用戶干預，則一個Word進程會掛在“另存為”提示上。 在沒有任何用戶交互之前，該過程只會阻塞。
• 有時，Word進程會掛在“書簽”提示符下。 該過程也將被阻止，直到有任何用戶干預來傳遞提示。

我正在尋找最好/最干凈的方法，通過給它們一個截止日期或其他東西來更好地控制這些Word流程。 就像給他們5秒鍾的時間來打開Word文檔並將其另存為PDF一樣，如果5秒鍾后該過程仍然處於活動狀態，則該過程將被終止。

我過去處理過類似的東西，針對該問題的解決方案包括“殺死字進程批處理腳本”，以殺死程序結束后卡住的所有WORD進程。 不是很干凈，但是它確實完成了工作。

任何經驗或想法，將不勝感激！

Answer 1

您可以使用https://www.npmjs.com/package/@nativedocuments/docx-wasmless serverless（例如AWS Lambda）並行執行轉換。 Lambda負責並發。 docx-wasm是獨立的（即無需運行Microsoft Word）。 免費增值模式。

編輯2019年4月

https://github.com/NativeDocuments/docx-to-pdf-on-AWS-Lambda是在Lambda上使用它的示例項目。

Answer 2

我設法解決了與該過程卡在Microsoft Word提示中有關的問題。 在最終的解決方案中，我更改了Java代碼，使其在單獨的線程中啟動Javascript腳本。 然后，我的主線程將休眠幾秒鍾，然后檢查另一個線程。

另一個線程保留了用於運行Javascript腳本的Process實例的引用。 然后，如果腳本被卡在Microsoft Word提示符下，則主線程將檢查該進程的exitValue，將引發IllegalThreadStateException。 然后，我將通過終止進程並清理Microsoft Word留下的任何臨時文件來處理異常。

Answer 3

微軟支持說不要在服務器端無人看管的情況下使用Office。

如果需要簡單的轉換，LibreOffice有一個命令行選項-convert-to。