如何使用开源的Java库正确地从DOCM转换为PDF？

Question

我开始研究如何改变？docm文件转换成PDF文件。据我所知，只有开源库可以转换。docx转pdf。我的解决方案是寻找一种方法来转换。docm to。docx，同时保留每一条信息。为此，我找不到合适的开源解决方案，但我找到了一个apache-poi的submit(链接)。使用在提交中找到的代码，我成功地创建了。包含我的所有信息的docx文件。docm文件有。

        String dir = "<directory>";
    for (int i = 1; i < 41; i++) {
        File f = new File(dir + File.separator + i + ".docm");
        File target = new File(dir + "output" + i + ".docx");
        try {
            new DocumentConverter(f).toDocx(target);
        } catch (IOException e1) {
            // TODO Auto-generated catch block
            e1.printStackTrace();
        }
    }

我从链接中复制了代码，并以上述方式使用它。

一旦我有了包含所有信息的.docx文件，我就开始将它们转换为.pdf文件。为此，我找到了两个可能的开源库，docx4j和documents4j。

Docx4j转换为pdf代码：

    try {
            Docx4J.toPDF(WordprocessingMLPackage.load(target), new FileOutputStream(dir + "out" + i + ".pdf"));
        } catch (FileNotFoundException e1) {
            // TODO Auto-generated catch block
            e1.printStackTrace();
        } catch (Docx4JException e1) {
            // TODO Auto-generated catch block
            e1.printStackTrace();
        }

这将为我生成一个pdf文件，其中包含除MS Word的评论之外的所有信息。

文档4j转换为PDF代码：

try (ByteArrayOutputStream bo = new ByteArrayOutputStream()) {
                try (InputStream in = new BufferedInputStream(new FileInputStream(target));) {
                    IConverter converter = LocalConverter.builder()
                            .baseFolder(new File(dir))
                            .workerPool(20, 25, 2, TimeUnit.SECONDS)
                            .processTimeout(5, TimeUnit.SECONDS)
                            .build();

                    Future<Boolean> conversion = converter
                            .convert(in).as(DocumentType.DOC)
                            .to(bo).as(DocumentType.PDF)
                            .prioritizeWith(1000) // optional
                            .schedule();
                    conversion.get();
                    try (OutputStream outputStream = new FileOutputStream("out"+ i +".pdf")) {
                        bo.writeTo(outputStream);
                    }
                    converter.shutDown();
                } 
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            } catch (InterruptedException | ExecutionException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            } 

这将为我生成一个看起来不错的pdf文件，并包含MS Word的注释。

进一步的测试表明docx4j pdfs在文本上是准确的，但是位置被改变了(例如:段落被合并或分成两段)。documents4j的pdf在位置上更准确，但就像我说的，它们缺少信息。我的测试是在以相同方式创建的表单文档上进行的，缺失的信息总是在相同的位置。

我的问题如下：

1. 有没有经过认证的方法可以使用开源库将. docm文件正确转换为. docx文件？
2. 当我使用文档4j创建pdf时，出了什么问题？
3. 如何在docx4j的帮助下包含MS Word的评论？
4. 除了我选择的库之外，还有其他选择吗？（仅限开源）

编辑：我忘记包含我正在使用每个库的最新版本。

Answer 1

Docents4j通过VBS脚本将实际工作委托给MS Word，因此，结果的任何更改都是由于脚本中的配置。您可以尝试使用它，看看是否可以让Word包含您缺少的内容：https://github.com/documents4j/documents4j/blob/master/documents4j-transformer-msoffice/documents4j-transformer-msoffice-word/src/main/resources/word_convert.vbs

只需构建项目，并查看更改如何影响输出。