昨天一位朋友找到我，说他手上有几千个word表格需要转换到一个excel文件里，他在网上也没有找到满足需求的软件，于是让我帮忙用程序实现。

需求

需求如下图所示：每个文档文档中有一个或多个格式固定的表格，需要把每一个word表格转换为excel文件里的一行。

from:

to:

寻找解决方案

我首先想到的是用PHP读取word文档，处理之后转成excel。

转成excel比较简单，使用PHP系统函数fputcsv就可以搞定，现在需要做的是读取到word文档里的内容。

紧接着我便去网上查找，看有没有PHP的扩展能够读取word文档。

在Github搜索到一个叫做 PHPWord 的扩展，不过遗憾的是，这个扩展只能往word文档里写入内容，并不能读取。

我又想，能不能把word转成其他格式再读取。

于是我将word文档的后缀改成了txt,打开文件后内容如下图。

密密麻麻的一大堆，反正我是没能从中找到什么规律，于是放弃了这种方法。

接着我在word的另存为功能中，发现可以另存为其他格式。

于是选择保存为htm文件，随后在浏览器中打开转换好的文件，发现表格转换成了html中的table表格，非常标准。

这样我只需要遍历读取htm文件，获取其中的内容，再进行相应处理便能得到最终数据。

进行处理

准备

首先我在网上下载了软件，将word文档批量转换为htm文件，并放在同一目录下

读取文件内容

我们事先将所有转换好的文件放在了同一目录下，所以只需要遍历该目录，并使用file_get_contents()函数就能获取到每个文件的内容。

提取有用内容

查看htm源代码能发现，每个word表格转换后变成了一个html表格，只需要先取到

标签里的内容，然后再按行分割，按列分割，便能得到我们想要的数据了。

附上简略代码1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71function ()

{

//写入文档头部

$fileName = './data.csv';

file_put_contents($fileName,'');

$handle = fopen($fileName, 'w');

fwrite($handle, chr(0xEF).chr(0xBB).chr(0xBF)); // 写入BOM头，防止乱码

$titleArr = ['A' => '样品类型', 'B' => '图幅编号'];//次数省略

fputcsv($handle, $titleArr);

return $handle;

}

//读取文件夹下的所有文件

function scanFile($path)

{

$result = [];

$files = scandir($path);

foreach ($files as $file) {

if ($file != '.' && $file != '..') {

$result[] = basename($file);

}

}

return $result;

}

//提取表格内容

function getContents()

{

$filesArr = scanFile('./');

$handle = writeExcelHeader();

foreach ($filesName as $k => $v){

//读取文件内容

$text = file_get_contents($path . $v);

//转换编码

$text = iconv("gb2312", "utf-8//IGNORE",$text);

//去除html标签多余属性

$text = preg_replace("/]*>/","",$text);

//提取表格内容

preg_match_all("/

/is",$text,$matches);

//处理表格内容

foreach ($matches[1] as $match){

html2excel($match, $handle);

}

}

//处理表格内容

function convert($content)

{

$res = [];

//按行拆分

$trArr = explode('

', $content);

foreach ($trArr as $k => $tr){

//去除多余标签

$tr = str_replace('

','', $tr);

//按列拆分

$tdArr = explode('

', $tr);

foreach ($tdArr as $kk => $td){

//去除多余标签

$td = str_replace('

','', $td);

//去除html标签 得到内容

$text = strip_tags($td);

$res[] = $text;

}

}

fputcsv($handel, $res);

}

getContents();

最后

使用到的一些函数：iconv() 编码转换

preg_replace() 使用正则替换文本

preg_match_all() 使用正则获取内容

strip_tags() 去除文本中的html标签

str_replace() 文本替换

fputcsv() 将制定内容写入csv文件