• 基于WPSOffice+Pywpsrpc构建Docker镜像,实现文档转换和在线预览服务


    背景

    产品功能需要实现标准文档的在线预览功能,由于DOC文档没办法直接通过浏览器打开预览,需要提前转换为PDF文档或者HTML页面。

    经过测试发现DOC转为HTML页面后文件体积较大,而且生成的静态资源文件较多,需要额外搭建Web容器存放,所以还是考虑转换为PDF格式文档。

     

    选型

    需求明确后就要考虑如何实现了,这里对比了开源文档转换工具例如:kkFileViewdocuments4jpoiopenofficeasposeSpire.Office等。

    选型主要考虑以下几个方面:

    1、转换为PDF文档后是否会失真,也就是和原DOC文档的格式还原度;

    2、是否支持大文档,有些标准文档超过40MB用MSOffice直接打开就会很卡,文档转换就更慢了;

    3、工具收费情况。

    简单说下结论:

    1、上面几个工具全部验证了一遍,后发现都不太合适,原因有二,一是免费工具会失真或者限制了文档的大小,二是收费的工具可以用但是贵;

    2、最后选择用WPS进行文档格式转换,原因很简单,首先WPS有个人版是可以免费使用的,其次WPS转换PDF文档的还原度相当高,另外客户方已经采购了WPS的企业版本,如果后续文档转换失真也有个说法;

    3、解决方案:基于CentOS安装WPS,通过Python的Pywpsrpc组件调用WPS的文档转换功能,对外提供文档转换服务。

     

    镜像构建

    服务镜像已构建完成,如有需要可以联系笔者V:hsky23557544

    基础镜像

    由于涉及安装的组件太多,编写Dockerfile的话太麻烦也不便于试错,所以决定先拉取一个基础的CentOS镜像,把软件服务都安装好,最后通过docker commit将容器打成镜像。

    1、基础镜像docker pull centos:7.6.1810

    2、启动容器docker run --name centos --network host -dit --privileged=true centos:7.6.1810 /usr/sbin/init

    3、更新到国内的YUM源,加速后面的软件安装,网上教程很多不增加篇幅

    安装CentOS桌面

    pywpsrpc需要依赖系统桌面调用WPS的API,如需headless运行可以参考:https://github.com/timxx/pywpsrpc/wiki/Run-on-Server

    yum -y install epel-release
    yum groupinstall "GNOME Desktop"
    systemctl isolate graphical.target
    systemctl set-default graphical.target
    yum install xrdp -y
    yum install tigervnc-server -y
    # 设置vnc访问密码
    vncpasswd root
    
    systemctl start xrdp
    systemctl enable xrdp

    WPSOffice安装

    1、官网Linux版本安装包下载:https://linux.wps.cn/

    2、安装yum localinstall wps-office-11.1.0.11711-1.x86_64.rpm

    安装WPSOffice依赖的字体

     推荐使用开源项目安装:https://github.com/dv-anomaly/ttf-wps-fonts

    git clone https://github.com/iamdh4/ttf-wps-fonts.git
    
    cd ttf-wps-fonts
    
    sudo sh install.sh
    
    rm -rf /tmp/ttf-wps-fonts

    安装Python3.6

    开始用Python3.9版本安装pywpsrpc的时候直接报错了,查阅了一些pywpsrpc的issues发现需要使用Python3.6.x版本,另外pywpsrpc没有arm版本需要自行编译whl安装。

    1、下载安装包:https://registry.npmmirror.com/-/binary/python/3.6.15/Python-3.6.15.tgz

    2、安装依赖:yum install -y gcc-c++ pcre pcre-devel zlib zlib-devel openssl openssl--devel

    3、编译安装

    # 解压压缩包
    tar -zxvf Python-3.6.15.tgz  
    
    # 进入文件夹
    cd Python-3.6.15
    
    # 配置安装位置
    ./configure prefix=/usr/local/python3
    
    # 安装
    make && make install
    
    # 建立软连接
    ln -s /usr/local/python3/bin/python3.6 /usr/bin/python3
    ln -s /usr/local/python3/bin/pip3.6 /usr/bin/pip3

    4、安装pywpsrpc:pip3 install pywpsrpc -i https://pypi.tuna.tsinghua.edu.cn/simple 

    5、安装flask:pip3 install flask -i https://pypi.tuna.tsinghua.edu.cn/simple

    如果使用pip安装依赖包时提示SSL证书验证的问题,需要重新编译安装openssl,操作如下:

    # 下载源码包
    wget http://www.openssl.org/source/openssl-1.1.1l.tar.gz
    
    # 编译安装
    mkdir /usr/local/ssl
    ./config --prefix=/usr/local/ssl --openssldir=/usr/local/ssl no-zlib
    make && make install
    echo "/usr/local/ssl/lib" >> /etc/ld.so.conf

    测试是否安装好,ldconfig -v 显示出相关内容,并查看/usr/local/ssl目录下确实有安装好的文件

    # 回到Python源吗目录下
    make clean
    
    # 配置安装位置
    ./configure prefix=/usr/local/python3

    修改Modules/Setup文件

    make && make install
    
    ln -s /usr/local/python3/bin/python3 /usr/local/bin/python3
    ln -s /usr/local/python3/bin/pip3 /usr/local/bin/pip3

     安装QT5

    1、下载安装包:https://download.qt.io/archive/qt/5.12/5.12.12/

    2、安装依赖包:yum -y install mesa-libGL-devel mesa-libGLU-devel freeglut-devel gdb

    3、安装包授权:chmod +x qt-opensource-linux-x64-5.12.12.run

    4、使用mstsc远程登录CentOS桌面,执行./qt-opensource-linux-x64-5.12.12.run通过图形化界面安装,安装时会提示注册按提示信息操作即可

    文档转换服务

    import traceback, uuid, os
    from flask import Flask, request, send_from_directory
    from pywpsrpc.rpcwpsapi import (createWpsRpcInstance, wpsapi)
    from pywpsrpc.common import (S_OK, QtApp)
    
    
    app = Flask(__name__)
    # 设置文件上传保存路径
    app.config['UPLOAD_FOLDER'] = '/tmp'
    # MAX_CONTENT_LENGTH设置上传文件的大小,单位字节
    app.config['MAX_CONTENT_LENGTH'] = 1024 * 1024 * 1024
    
    
    formats = {
        "doc": wpsapi.wdFormatDocument,
        "docx": wpsapi.wdFormatXMLDocument,
        "rtf": wpsapi.wdFormatRTF,
        "html": wpsapi.wdFormatHTML,
        "pdf": wpsapi.wdFormatPDF,
        "xml": wpsapi.wdFormatXML,
    }
    
    
    class ConvertException(Exception):
    
        def __init__(self, text, hr):
            self.text = text
            self.hr = hr
    
        def __str__(self):
            return """Convert failed:
    Details: {}
    ErrCode: {}
    """.format(self.text, hex(self.hr & 0xFFFFFFFF))
    
    
    def convert_to(path, format, abort_on_fails=False):
        hr, rpc = createWpsRpcInstance()
        if hr != S_OK:
            raise ConvertException("Can't create the rpc instance", hr)
    
        hr, app = rpc.getWpsApplication()
        if hr != S_OK:
            raise ConvertException("Can't get the application", hr)
    
        try:
            # we don't need the gui
            app.Visible = False
    
            docs = app.Documents
    
            def _handle_result(hr):
                if abort_on_fails and hr != S_OK:
                    raise ConvertException("convert_file failed", hr)
    
            hr = convert_file(path, docs, format)
            _handle_result(hr)
        except Exception as e:
            print(traceback.format_exc())
    
        app.Quit(wpsapi.wdDoNotSaveChanges)
    
    
    def convert_file(file, docs, format):
        hr, doc = docs.Open(file, ReadOnly=True)
        if hr != S_OK:
            return hr
    
        out_dir = os.path.dirname(os.path.realpath(file)) + "/out"
        os.makedirs(out_dir, exist_ok=True)
    
        # you have to handle if the new_file already exists
        new_file = out_dir + "/" + os.path.splitext(os.path.basename(file))[0] + "." + format
        ret = doc.SaveAs2(new_file, FileFormat=formats[format])
    
        # always close the doc
        doc.Close(wpsapi.wdDoNotSaveChanges)
    
        return ret
    
    
    @app.route("/convert", methods=["POST"])
    def do_convert():
        try:
    
            # 转换格式参数
            convert_format = request.form['format']
    
            # 获取文件参数
            file = request.files['file']
            # 文件后缀
            file_ext = file.filename.rsplit('.')[-1]
            file_name_uuid = str(uuid.uuid4())
            # UUID文件名
            file_name = file_name_uuid + "." + file_ext
            # 保存文件
            file.save(os.path.join(app.config['UPLOAD_FOLDER'], file_name))
    
            # 文件转换
            print("开始转换文档[%s]" % file_name)
            convert_to(os.path.join(app.config['UPLOAD_FOLDER'], file_name), convert_format, True)
            print("文档转换完成[%s]" % file_name)
    
            # 返回转换后的文件
            convert_file_name = file_name_uuid + "." + convert_format
            return send_from_directory(app.config['UPLOAD_FOLDER'] + '/out', convert_file_name, as_attachment=True)
    
        except Exception as e:
            print('文档转换时发生错误')
            print(traceback.format_exc())
            return {"success": False}
    
    
    if __name__ == "__main__":
        app.run(host="0.0.0.0", port=9000)

    使用mstsc远程登录CentOS桌面,执行启动脚本:

    #!/bin/bash
    set -e
    
    export PATH=$PATH:/opt/kingsoft/wps-office/office6
    export LD_LIBRARY_PATH=/opt/Qt5.12.12/5.12.12/gcc_64/lib
    python3 /root/converter.py

    服务验证

    1、远程桌面登录CentOS桌面后能够正常打开WPS软件,没有提示字体依赖错误;

    2、文档转换接口测试:

    curl --location --request POST 'http://10.32.x.x:9000/convert' \
    --header 'User-Agent: Apifox/1.0.0 (https://apifox.com)' \
    --header 'Accept: */*' \
    --header 'Host: 10.32.x.x:9000' \
    --header 'Content-Type: multipart/form-data; boundary=--------------------------851319197095122366611715' \
    --form 'format="pdf"' \
    --form 'file=@"需要转换的DOC文档路径"'

     

  • 相关阅读:
    HarmonyOS(二)Ability应用模型概述
    【AGC】引导用户购买提升用户留存率
    Luogu P1286 两数之和___规律+枚举
    约束的概念外加多表查询都在这
    JVM类的加载机制
    es6新增-map数据结构
    十堰市2022年高新技术企业奖补政策以及申报条件汇总!
    Vue项目实战——【基于 Vue3.x + NodeJS】实现的课程表排课系统四(MyMessageBox)动态组件的编写
    Gradle复合构建
    【Shell】Shell脚本入门
  • 原文地址:https://www.cnblogs.com/changxy-codest/p/17881350.html