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; 
} 
} 
?>