Microsoft Office（マイクロソフト オフィス）のファイルを、プログラム開発者が自力でPDFや画像に変換するには、どうしたら良い？

a. Officeファイル形式をPDFにする

Officeファイル形式をPDFにするときは、読み込んだOfficeファイルを紙に印刷するのと同じように印刷レイアウト処理をするプログラム（レンダラーとかフォーマッターといいます）を作る必要があります。

レンダラーにはピンからキリまであります。例えば、Officeファイルの中からテキストを取り出して、一定の大きさのページ上にテキストを並べる程度で良いのなら、レンダラーを作るのは比較的簡単です。 さらに進んで、PDFの見栄えを、Microsoft Officeを使って印刷するのと同じレイアウトにしたいならレンダラーの開発が大変になります。

例えば、見出しの文字を元のOfficeファイルと同じ大きさにして、本文の文字の大きさも同じにして、一行の文字数や画像の大きさ、画像の配置、表などどのようにレイアウトするかは、Microsoft Officeがどのように印刷レイアウトを作成しているかを調べて、それと互換のエミュレーションをプログラムする必要があります。

Apache のOpen Office（[6]）やLibreOffice（[7]）などMicrosoft Office互換機能をもつオフィスソフトが幾つかあります。LibreOfficeはOpenOfficeよりもMicrosoft Officeとの互換性は高いといわれていますが、それでも印刷レイアウトの再現性はそれほど良くありません（[8]）。

アンテナハウスのOffice Server Document Converter（旧Server Based Converter）（[2]）は、Open OfficeやLibreOfficeなどよりはかなり高い再現性を持っていますが、Microsoft Officeの印刷レイアウトと100％互換ではありません。

b. OfficeファイルをHTMLにする

例えばWordファイルをHTMLに変換するとしても、テキストを段落タグ（pタグ）で囲むだけなら簡単です。次に見出しタグ（h1～h6）を付けるということになりますと、もし、Word文書を作成した人が、見出しスタイルを使っていれば、見出しスタイルの付いた段落をHTMLの見出しタグにマップするだけで済みますので、比較的簡単です。

しかし、Word文書に見出しスタイルが設定されていないと、見出しを識別するのが難しくなります。例えば、段落の文字の大きさによって見出しランク（h1～h6）を識別したりするプログラムを書く必要がでてきます。このようにWordの文書をHTMLのタグに対応させるのはPDF出力とは別の難しさがあります。

HTMLではMicrosoft Officeのレイアウトを主にCSSで表します。するとPDFと同じようにレイアウトをどこまで再現するかで開発の大変さが大幅に変わってきます。

c. Officeファイルを画像にする

Officeファイルを直接画像ファイルにするのであれば、PDFのページを作るのと同じようなレンダラーを作ってレンダラーから画像ファイルを作成します。PDFを画像化する方法もあります。あるいは、HTMLを作ってヘッドレスブラウザでHTMLを画像化する方法もあるでしょう。