# 附件转图片

文本附件：doc，docx，PDF，txt转换图片，当Word文件包含图片时，总体设计思路有3种方案：

方案一、把Word拆分成文本和图片，PDF转换成图片，TXT转换成文本，进行数据存储和判重等操作。word转换的文本相对容易，图片会是原始图片。但Word拆分图片难度很大，word文件有两种：doc 是二进制格式，docx是xml格式，后者可以通过POI实现拆分图片。但前者POI不支持。需要把doc先转docx，然后拆分图片。

但当word中图片较多，以及要素提取的反向定位问题都很复杂。所以不建议该方案。

方案二、把Word、PDF按页直接转换成图片，TXT转成文本。目前主要有2种方式：

2.1、Jacob包是一个开源的工具，当Jacob包只针对windows系统， 它是基于JNI封装调用系统库，Linux是没有word系统库；

2.2、Aspose.words 包可以完全支持word直接转成图片，图片清晰度也很高，唯一的缺点是商业版收费；如果直接使用会再第一张图片顶部加个水印，需要考虑是否合规，可以找到破解版。系统可在每个word前面自行插入一个空白页，在转换成图片后，舍弃第一张图片，就解决了水印的问题。

**方案三、**把word转换PDF，把PDF转成图片，把txt转成文本或图片。Word转成PDF通常的做法是通过调用open office软件命令实现。Open Office 支持所有的office文档，转换PDF格式；PDF转换图片是通过base64方法；txt找到open office支持转成图片，但当txt内容很多，需要考虑单张图片的清晰度和大小问题，故建议：

TXT通过POI转word，再通过open office转PDF，再通过base64转多张图片。

优点：OpenOffice是开源的软件工具。

缺点：需要在linux安装OpenOffice；