铁雪资源网 Design By www.gsvan.com
前言
最近有一个case。需要去解析word文档。有两个需求,一个是将word文档转成PDF,一个是将word文档中的内容按照一定的规范读取到数据库中,去npm仓库找了大概有十几个包,发现主要是通过以下的方式来转换代码。
- 通过调用系统底层程序(比如说office)的API来转换;
- 通过模板,替换数据来实现生成PDF;
- 通过有些免费将word转成PDF的网站来实现将word转成PDF,比如docx-to-pdf;
后来退而求其次,想通过先将docx转成文字,发现了个textract的包。
当然也有缺点,不支持docx中的标题号,不支持图片等文件。
不怕死的我决定自己干这件事情。
介绍
其实docx就是一个zip包,然后封装了一些xml文件。可以直接将docx的包改后缀为.zip来打开观看。
进入word文件夹
里面有几个主要的文件。
- document.xml 这个就是文档的主要内容
- numbering.xml 这个就是标题号,以及标题号的一些属性
- styles.xml 这个就是样式列表
打开document.xml 你就会发现,所有的文本都是用 <w:t>标签包着的。这个就是本文的关键
代码
首先,需要通过npm安装一个能查看zip文件的包:adm-zip;
然后,写下下列代码即可
const fs = require("fs"); const AdmZip = require('adm-zip'); //引入查看zip文件的包 const zip = new AdmZip(filePath); //filePath为文件路径 let contentXml = zip.readAsText("word/document.xml");//将document.xml读取为text内容; let str = ""; contentXml .match(/<w:t>[\s\S]*"./2.txt",str,(err)=>{//将./2.txt替换为你要输出的文件路径 if(err)throw err; });
最近正在用node.js去解析docx的工作。先将最简单的写在上面。回头有空再继续分享
最新更新
之前随手写的代码,今天测试发现用更新后的代码比源代码的效率提升十倍以上。
//原代码 //str += item.replace("<w:t>","").replace("</w:t>",""); //更新代码 str += item.slice(5,-6)
附上测试代码
var str = "<w:t>sdfjpasif aefnmasd;lf asdfsdf</w:t>"; var arr = []; for(var i=0;i<50000;i++){ arr.push(str); } console.time("replactest"); arr.forEach((item)=>{ item.replace(/<w:t>/,"").replace(/<\/w:t>/,""); }); console.timeEnd("replactest"); //replactest: 20.560ms console.time("replactest2"); arr.forEach((item)=>{ item.replace(/<\/*w:t>/g,""); }); console.timeEnd("replactest2"); //replactest2: 14.926ms console.time("replactest3"); arr.forEach((item)=>{ item.replace(/(^<w:t>)|(<\/w:t>$)/g,""); }); console.timeEnd("replactest3"); //replactest3: 14.402ms console.time("slice"); arr.forEach((item)=>{ item.slice(5,-6); }); console.timeEnd("slice"); //slice: 1.718ms
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家学习或者使用node.js能带来一定的帮助,如果有疑问大家可以留言交流。
铁雪资源网 Design By www.gsvan.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
铁雪资源网 Design By www.gsvan.com
暂无教你用十行node.js代码读取docx的文本的评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?