CentOS下使用LibreOffice实现文档格式的转换方式

项目需求，对上传的文档进行一些预处理，如果用户上传了doc格式的文档，需要将其处理为docx或者pdf格式，以便后续的流程对文档内容进行提取。

先是试了一下phpoffice/phpword这个包，发现其对doc的转换很不理想，这个包更适合用来根据内容生成文档，而不是转换文档，不是太适合我这种需求。

然后发现了LibreOffice这个开源工具，经过使用，效果很好，分享一下。

服务器是CentOS7，直接使用yum安装LibreOffice，大概需要600MB+ 的磁盘空间：

# 装之前可以先删除一下，防止之前装过
yum remove libreoffice-*
yum install libreoffice

等待安装完成后，确认一下版本啥的，虽然官方已经到6.1版本了，yum里面还是5.3.6的包，不过用起来并没有什么毛病，在这里我还是建议大家使用各自的Linux系统的包管理工具来安装，这样可以省去很多麻烦的。

[root@localhost /]# soffice --version
LibreOffice 5.3.6.1 30(Build:1)

不会用的话可以使用soffice --help看一下帮助，非常多的参数和使用案例，转换格式就很简单：

soffice --headless --convert-to docx /opt/upload/source/123.doc --outdir /opt/upload/source

以上的命令就是将/opt/upload/source/123.doc文件转换成docx格式，输出到/opt/upload/source文件夹里。

默认情况下：

1. 会使用源文件名+新的扩展名保存输出文件；
2. 会覆盖outdir里已经有的同名文件；

转换成功会输出类似这样的：

convert /opt/upload/source/123.doc -> /opt/upload/source/123.docx using filter : MS Word 2007 XML
Overwriting: /opt/upload/source/123.docx

LibreOffice会根据文件格式自动匹配格式过滤器（filter），至于它支持哪些格式，可以参考一下官网。

总结