CentOS安裝odf-converter，轉換Office 2007文件為OpenOffice格式

為了讓DSpace的media filter功能能夠接受Microsoft Office 2007的DOCX、XLSX與PPTX，我們需要借助odf-converter把Office 2007的格式轉換成OpenOffice相對應的ODT、ODS、ODP格式，才能作接下來的處理。

上圖右邊是原始的Microsoft Office 2007的PPTX格式投影片，左邊則是利用odf-converter轉換成OpenOffce的ODP格式投影片，儘管在字型、版面上有點差異，但還是可以接受的程度。

安裝

安裝的步驟很簡單，只要下載以下檔案並以rpm安裝即可

• odf-converter-integrator-0.2.3-1.i386.rpm
  (SkyDrive 備份、miroko備份)
• 其他作業系統，請到OpenOffice.org Ninja下載。

你可以用以下指令下載並安裝：

[root@dspace ~] wget http://katana.oooninja.com/f/software/odf-converter-integrator-0.2.3-1.i386.rpm
[root@dspace ~] rpm -ivh odf-converter-integrator-0.2.3-1.i386.rpm

使用

使用範例如下：(/f表示強制覆蓋，/i後面接輸入檔名，詳細用法請直接執行OdfConverter)

[root@dspace ~] OdfConverter /f /i input.docx

這樣預設會輸出一個檔名為「input.odt」的OpenOffice檔案，這樣就轉換完成囉。

這次不偷懶，用Zotero好好地作參考資料的書目。使用此篇時也別忘了感謝以下參考資料來源喔！

參考資料：

Convert OpenXML (.docx, etc.) in Linux using command line - OpenOffice.org Ninja. (n.d.). . Retrieved August 9, 2009, from http://www.oooninja.com/2008/01/convert-openxml-docx-etc-in-linux-using.html.

odf-converter-integrator:download [OpenOffice.org Ninja]. (n.d.). . Retrieved August 9, 2009, from http://katana.oooninja.com/w/odf-converter-integrator/download.

小傑的部落格 - Jay's Blog: OpenDocument Format 與 Office Open XML 互轉. (n.d.). . Retrieved August 9, 2009, from http://jay-notebook.blogspot.com/2009/01/opendocument-format-office-open-xml.html.

(more...)

用Xvfb讓OpenOffice開機時自動啟動

使用DSpace的media filter功能時，需要把各種文件檔轉換成PDF文件，這個功能可以藉由OpenOffice來完成。但是OpenOffice必須在圖形介面(也就是Xwindow)中才能開啟，在無法自動啟動的情況下，實在是不太方便。在網路上搜尋各種方法之後，終於找到方法了。

大致上作法如下：利用Xvfb來製作出虛擬的圖形顯示畫面，然後讓OpenOffice在這虛擬的介面開啟，就可以正常啟動OpenOffice並提供轉檔功能了。

我的作業系統是CentOS 5 Final，以下開始介紹安裝方法。

一、安裝Xvfb

可以利用yum來安裝Xvfb：(注意大小寫要正確喔)

[root@ ~] yum install Xvfb 

二、安裝OpenOffice

在安裝CentOS的時候我已經把OpenOffice安裝。如果你沒有安裝，那麼也可以利用yum來安裝OpenOffice：

[root@ ~] yum install openoffice.org-*

注意找尋一下你OpenOffice的安裝路徑，我們需要呼叫他的執行程式「soffice.bin」。你可以利用locate指令來搜尋soffice.bin看是放在哪裡路徑底下：

[root@ ~] locate /soffice.bin

CentOS預設安裝是擺在「/usr/lib/openoffice.org/program/soffice.bin」當中，記住這個路徑，在底下設定時會使用到喔！

三、設定啟動時開啟OpenOffice文件轉換服務

請建立「/etc/init.d/openoffice」，並設定執行權限為755。/etc/init.d/openoffice的檔案內容如下：

#!/bin/bash

case "$1" in
start)
     DISPLAY=:5.0
     export DISPLAY
     Xvfb :5 -screen scrn 1024x768x24 &
     /opt/openoffice.org3/program/soffice.bin "-accept=socket,host=127.0.0.1,port=8100;urp;StarOffice.ServiceManager -nofirststartwizard -nologo -headless -display:5" &
       ;;
stop)
       pkill soffice &
       pkill Xvfb &
       exit 1 &
       ;;
*)
       echo "Usage: $0 { start | stop }"
       exit 1
       ;;
esac
exit 0

注意到上面的「/usr/lib/openoffice.org/program/soffice.bin」的路徑，請改成你系統安裝OpenOffice的路徑喔！

---

結果還是花了一整個下午在弄這個。不管怎麼說能用好就好啦……

 

參考資料：

• 构建文件格式转换服务器
• How to install Xvfb (X11 Server) in Linux Server

(more...)

DSpace加強Browse功能的BrowseUtil

DSpace具備強大的Browse功能，可是唯獨換頁的功能卻只有薄弱的「next」(下一頁)跟「prev」(上一頁)。因此我寫了一支BrowseUtil來提供這方面的功能，也把[dspace-jspui-webapp]/browse/中full.jsp、single.jsp能作到的功能也加了進去，提供程式設計師在修改Browse功能時能夠有靈活的彈性。

安裝BrowseUtil

請下載以下檔案，並放置指定的位置：

• BrowseUtil.java (SkyDrive、Miroko)
  [dspace-source]/dspace-jspui/src/main/java/org/dspace/app/webui/util/BrowseUtil.java
• BrowseInfo.java (SkyDrive、Miroko)
  [dspace-source]/dspace-jspui/src/main/java/org/dspace/browse/BrowseInfo.java
  
• full.jsp (SkyDrive、Miroko)
  single.jsp (SkyDrive、Miroko)
  [dspace-source]/dspace/modules/jspui/src/main/webapp/browse/full.jsp
  [dspace-source]/dspace/modules/jspui/src/main/webapp/browse/single.jsp
  
  

然後請重新編譯DSpace，作mvn package跟ant update的動作。

使用BrowseUtil

引用與建立BrowseUtil物件

在JSP檔案裡面，請輸入以下語法以引用BrowseUtil：

<%@ page import="org.dspace.app.webui.util.BrowseUtil" %>

BrowseUtil物件建立需要輸入兩個參數，個別是HttpServletRequest跟BrowseInfo(這是DSpace的Browse物件)，建立範例如下；

<%
BrowseInfo bi = (BrowseInfo) request.getAttribute("browse.info"); //先取得BrowseInfo物件
BrowseUtil bu = new BrowseUtil(request, bi); //建立BrowseUtil
%>

然後我們就可以以這個bu物件來取得連結了。

取得換頁連結

<%
String next = bu.getNextLink(); //下一頁
String last = bu.getLastLink(); //最後一頁
String prev = bu.getPrevLink(); //前一頁
String first = bu.getFirstLink(); //第一頁
%>

取得頁碼

以下語法會取得每一頁頁碼與連結，但是會排除自己的頁碼：

<%= bu.getPagesList() %>

結果如下：

<<first < previous 1 2 3 4 5 6 next > last >>

以下語法會取得該頁前後2頁之內的頁碼：

<%= bu.getPagesLink(2) %>

結果如下：

<<first < previous ... 2 3 4 5 6 ... next > last >>

其他BrowseInfo其實還有小功能，如果有需要的話就請自行看看程式碼囉。寫小功能還是非常讓人愉快的，大家加油！

(more...)

DSpace擴增Collection Browse功能

DSpace內建了非常強大的Browse功能，只是一般好像比較少看到有人善加利用。這次主要是要擴增Browse功能，讓他具備可以找出特定Metadata欄位中的值。

安裝方法

請下載以下檔案，依照同樣的目錄結構放到[dspace-source]當中，再重新編譯DSpace即可。

• 20090705_dspace_browse_filterdcvalue_forblog.zip：SkyDrive空間、Miroko空間

使用方法

舉例來說，下面網址與圖片顯示是在預設情況下全部的item：(因為這是區域網路，所以下面的網址應該連不到這個網頁)

http://192.168.1.30:8080/jspui/handle/123456789/56/browse?type=title&submit_browse=Title

但是只要在網址的GET參數當中加入「fdc[0]=欄位=值」(fdc是FilterDCValue的縮寫)，就會出現特定item的效果，如下，注意紅字的位置：

http://192.168.1.30:8080/jspui/handle/123456789/56/browse?type=title&submit_browse=Title&fdc[0]=dc.title=121212

如果你要找出具備兩個條件的item，那就輸入「fdc[0]=欄位=值&fdc[1]=欄位=值」，例如下面的網址與圖：

http://192.168.1.30:8080/jspui/handle/123456789/56/browse?type=title&submit_browse=Title&fdc[0]=dc.title=121212&fdc[1]=dc.date.issued=2009

裡面的所有連結我都已經調整過了，會自動帶入fdc的參數進去。至於細微的版面調整，那就是大家各自努力囉。

DSpace的Browse功能意外地複雜，解析物件的結構、資料的流向花了我不少的時間。雖然瀏覽感覺上只是個小功能，但是既然DSpace都有提供了，還是希望大家能夠好好利用吧！

(more...)

使用SWFTools把PDF轉成可以瀏覽的SWF檔案

SWFTools，是個功能強大的SWF工具，可以把AVI影片、PNG JPEG圖片、PDF轉換成SWF格式的檔案。SWF格式是Adobe Flash匯出後的檔案，現在大部分都支援Flash的瀏覽器中都可以直接播放，Wikipedia寫說有99%的網路使用者都可以讀取swf檔案，包括任天堂Wii或是Sony的PSP。

其中pdf2swf + rfxview viewer 的功能最讓我感到驚豔。如名稱所示，他可以把PDF轉換成SWF之後，再結合rfxview viewer輸出成一個可供瀏覽的SWF檔案。瀏覽的項目包括放大、縮小、拖曳、換頁等功能，而且可以直接在網頁上播放，非常令人讚賞！有興趣的話可以先開啟範例網頁來玩玩看！

詳細的SWFTools指令，可以參考「光头的专栏 - SWFTools 命令」，裡面也介紹了中文字的解決方案。

我也把SWFTools加入了DSpace的Media-filter功能當中，這一篇則是先單純地介紹怎麼安裝SWFTools，並且把PDF轉換成SWF、並結合到SWFTools。

安裝SWFTools

SWFTools下載網頁：http://www.swftools.org/download.html，內有Windows版本跟Linux版本。

如果你跟我一樣是用CentOS的話，我們可以直接使用yum指令來直接安裝SWFTOOLS喔！

請以root身份登入，然後輸入以下指令：

[root@dspace ~]# yum -y install swftools

安裝完成之後，就可以用「pdf2swf [來源的pdf檔] [輸出的swf檔]」來作轉換喔，例如下面的指令：

[root@dspace ~]# pdf2swf input.pdf output.swf

取得rfxview.swf瀏覽器

直接用pdf2swf轉換出來的swf檔案並不具備瀏覽器的功能，必須搭配rfxview.swf才有這個效果。

rfxview.swf可以從SWFTools下載頁面中的swftools-0.9.0.tar.gz找到，我也另外備份了一份到SkyDrive跟Miroko空間當中。

• swftools-0.9.0.tar.gz
• SkyDrive備份
• Miroko備份

實作範例

請先把PDF檔案、rfxview.swf瀏覽器放到同一個資料夾當中。
PDF範例檔案可以使用我的Blog(SkyDrive下載、Miroko下載)

轉換的指令如下：

pdf2swf -z -B [rfxview.swf瀏覽器的路徑] -s flashversion=7 -t [來源PDF] -o [輸出SWF]

於是實際上輸入的指令如下：

[dspace@dspace-course ~]$ pdf2swf -z -B rfxview.swf -s flashversion=7 -t 1.pdf -o 2.swf

你可以用以下HTML程式碼寫在網頁中以開啟轉換後的2.swf：

<OBJECT CLASSID="clsid:D27CDB6E-AE6D-11cf-96B8-444553540000"
 WIDTH="595"
 HEIGHT="842"
 CODEBASE="http://active.macromedia.com/flash5/cabs/swflash.cab#version=8,0,0,0">
  <PARAM NAME="MOVIE" VALUE="2.swf">
  <PARAM NAME="PLAY" VALUE="true">
  <PARAM NAME="LOOP" VALUE="true">
  <PARAM NAME="QUALITY" VALUE="high">
  <EMBED SRC="2.swf" WIDTH="595" HEIGHT="842"
   PLAY="true" ALIGN="" LOOP="true" QUALITY="high"
   TYPE="application/x-shockwave-flash"
   PLUGINSPAGE="http://www.macromedia.com/go/getflashplayer">
  </EMBED>
</OBJECT>

輸出結果應該要如下所示(SkyDrive下載、Miroko下載)：

SWFTools轉出來的PDF2SWF+rfxview仍有個缺點，就是他的大圖瀏覽在一開始的顯示比例跟位置不是說很好，開啟之後無法預設用「全畫面」來瀏覽。不過暫時也找不到其他的開放原始碼的替代方案，所以就期待SWFTools繼續改版吧。

(more...)

HTML中object標籤在Firefox會出現底下margin-bottom: 2px現象的解決方法

上圖的圖片是一個<object>標籤，外面包著一層<div>用以表示圖片與其他元素的位置，但是會發現到底下多出了大約2px的間隔，除了原本在<object>裡面設定的height之外，還被強迫下向擠了一些間隔。

這是Firefox才會出現的錯誤，修正方法是在<object>的style屬性當中加入font-size: 0 (字體大小為0)、line-height: 0 (行高為0) 即可，程式碼如下：

<object classid="clsid:d27cdb6e-ae6d-11cf-96b8-444553540000"
	width="640"
	height="380"
	style="font-size: 0;line-height: 0;"
	codebase="http://active.macromedia.com/flash5/cabs/swflash.cab#version=4,0,0,0">
		<param name="movie" value="http://140.119.61.174:8080/jspui/retrieve/1366">
		<param name="play" value="true">
		<param name="loop" value="true">
		<param name="quality" value="high">
		<param name="wmode" value="transparent">

		<embed src="http://140.119.61.174:8080/jspui/retrieve/1366" width="640" height="380" style="font-size: 0;line-height: 0;" 
			play="true" align="" loop="true" quality="high"
			type="application/x-shockwave-flash"
			wmode="transparent"
			pluginspage="http://www.macromedia.com/go/getflashplayer">
		</embed>
	</object>

修正結果之後的畫面如下，下面的間隔不見了。

(more...)

CentOS安裝Xpdf教學

Xpdf是Linux中可以讀取PDF檔案的開放原始碼程式，我引用一下Wikipedia的詳細介紹：

Xpdf 是一個開放原始碼的PDF檔案瀏覽器，此軟體運行於X Window以及Motif上。 Xpdf 也實際運行於所有類Unix作業系統上。Xpdf 可解碼LZW壓縮格式並閱讀加密的PDF文件。官方版本的Xpdf遵循PDF檔案的智慧財產權政策，因此可能禁止拷貝、列印或轉換的功能。當然有某些破解補丁可以忽略這些智慧財產管理限制。

Xpdf包含數項不需要X windows系統的程式，包含了解析PDF的圖檔以及將PDF轉檔成文字檔或PostScript的程式。

Xpdf也被其他PDF瀏覽程式用於前端，例如KPDF（一個運行在KDE桌面的程式）。而它的文字引擎則被許多PDF瀏覽程式運用，例如BeOS上的BePDF、RISCOS上的!PDF以及Palm OS上的PalmPDF。

Poppler以xpdf 3.0的繪圖函式庫為基礎創造出來，以便增加其再用性。許多程式（包括Xpdf自己）可使用poppler為它們的後端繪圖器。

來源：Xpdf - 維基百科，自由的百科全書，http://zh.wikipedia.org/wiki/Xpdf

Xpdf很重要的功能在於「從PDF轉成文字檔」，這可以取代DSpace原本使用PDFbox的缺點：PDFbox不支援Acrobat 9的PDF檔案。

在一篇網路上到處轉載的「JAVA抽取WORD和PDF格式文件的四种武器」當中也有介紹到Xpdf，但並沒有很詳盡的安裝方法。所以這一篇主要是來教大家怎麼在Linux，特別是在CentOS當中安裝Xpdf。

Xpdf可以利用rpm來安裝，而相依套件的部份我們則是用yum來安裝。

1. 安裝Xpdf的相依套件

請以root的身份輸入以下指令：

[root@dspace ~]# yum install -y openmotif libpaper poppler-utils xdg-utils

2. 下載Xpdf的rpm檔案並安裝

Xpdf沒有提供rpm，但我們可以在RPM pbone.net找到Xpdf的rpm安裝檔。網頁位置在這裡，其中一個載點請點此下載，另外我準備了SkyDrive備份。

確定你存放的位置之後，請以root的身份輸入以下指令：.

[root@dspace ~]# rpm -ivh xpdf-3.02-5.el5.1.i386.rpm

如果沒有錯誤訊息，表示安裝成功。

3. 安裝語系檔

請先下載以下語系檔，或是下載我在SkyDrive的語系檔備份。

• 阿拉伯文：http://rpm.pbone.net/index.php3/stat/4/idpl/1651197/com/xpdf-arabic-1.0-2.noarch.rpm.html
• 繁體中文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408073/com/xpdf-chinese-traditional-2.01-8.i386.rpm.html
• 簡體中文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408072/com/xpdf-chinese-simplified-2.01-8.i386.rpm.html
• 西里爾字母(一種斯拉夫語文字母)：http://rpm.pbone.net/index.php3/stat/4/idpl/654920/com/xpdf-cyrillic-1.0-1.i386.rpm.html
• 希伯來文：http://rpm.pbone.net/index.php3/stat/4/idpl/1651202/com/xpdf-hebrew-1.0-4.noarch.rpm.html
• 德文：http://rpm.pbone.net/index.php3/stat/4/idpl/654882/com/xpdf-greek-1.0-1.i386.rpm.html
• 拉丁文2：http://rpm.pbone.net/index.php3/stat/4/idpl/659180/com/xpdf-latin2-1.0-3.i386.rpm.html
• 日文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408074/com/xpdf-japanese-2.01-8.i386.rpm.html
• 韓文：(會相衝，rpm要搭配--force安裝)http://rpm.pbone.net/index.php3/stat/4/idpl/2408075/com/xpdf-korean-2.01-8.i386.rpm.html
• 泰文：http://rpm.pbone.net/index.php3/stat/4/idpl/654428/com/xpdf-thai-1.0-1.i386.rpm.html
• 土耳其文：http://rpm.pbone.net/index.php3/stat/4/idpl/659598/com/xpdf-turkish-1.0-1.i386.rpm.html

如果你下載我備份的壓縮檔，請依照以下指令來解壓縮並安裝。

[root@dspace ~]# unzip xpdf-language-i386.zip -d lang
[root@dspace ~]# rpm –ivh lang/xpdf-*.rpm --force

4. 使用Xpdf的pdftotext來抽取PDF的文字檔

讓我們試著將一個PDF檔案中的文字抽取成txt文字檔吧。

1. 請下載PDF檔案：「Chen, A Study on Knowledge Extraction from User Reading Annotation of Digital Library.pdf」(其實這是我的論文計畫書初稿XD)。
2. 放到伺服器中的位置，你知道的地方即可。
3. 執行pdftotext指令與檔名，如下：

[root@dspace ~]# pdftotext Chen\,\ A\ Study\ on\ Knowledge\ Extraction\ from\ User\ Reading\ Annotation\ of\ Digital\ Library.pdf

4. 此時應該會有同樣檔名，但是副檔名為.txt的檔案產生。結果應該跟這個檔案一樣，下圖中，左邊是PDF原稿，右邊則是抽取出來的文字檔！

這樣就安裝完成囉。此外，上面安裝過語系檔的檔案也全都可以如法炮製地抽取出文字檔，Xpdf非常地強大！

本篇教學是為了擴增DSpace的Media-filter而鋪路，我現在正要把Xpdf跟DSpace整合，讓DSpace全文搜尋功能更為完整。

(more...)