导航类网站怎么做排名,合肥珍岛公司做网站推广怎么样,深圳摇号申请注册,免费发布信息网一、背景因业务需求,目前正在实现一项需求#xff0c;即将一份试卷的内容提取出来#xff0c;由非结构化到结构化的转换。在试卷解析的时候在解析数学公式的时候花了一番功夫#xff0c;当成功把word中的数学公式提出来并且转换为Latex之后已经大功告成了呢#xff0c;突然…一、背景因业务需求,目前正在实现一项需求即将一份试卷的内容提取出来由非结构化到结构化的转换。在试卷解析的时候在解析数学公式的时候花了一番功夫当成功把word中的数学公式提出来并且转换为Latex之后已经大功告成了呢突然发现从word读取到的公式转换成的Latex不能放到准确的位置造成了顺序错乱的问题。本方案只是我本人实践的一种方法不一定是最好的方法于是写下来分享给大家。二、概述从一份word格式的试卷中读取内容使用POI读取word文件,按照XWPFParagraph进行遍历处理每一个XWPFParagraph从XWPFParagraph获取xmlText开始ParserXMLText内容基于org.w3c.dom.Document找到oMath节点后转换为Latex将Latex替换掉oMath节点后产生新的xmlText将新的xmlText设置到XWPFParagraph将XWPFDocument持久化成新的word文档三、正文1、准备一份原始word文件2、使用POI读取word文件,按照XWPFParagraph进行遍历
/*** 提取公式并替换为唯一标识符* param fis 原始Word文档路径* param outputPath 处理后Word文档路径* return 公式与标识符的映射关系*/public MapString, String extractAndReplaceFormulas(InputStream fis, String outputPath) {MapString, String formulaMap new HashMap();try {try (XWPFDocument document new XWPFDocument(fis)) {// 遍历所有段落for (XWPFParagraph paragraph : document.getParagraphs()) {processParagraphViaXML(paragraph, formulaMap);}// 保存处理后的文档try (FileOutputStream fos new FileOutputStream(outputPath)) {document.write(fos);}}} catch (Exception e) {log.error(extractAndReplace Formulas: {0}, e);}return formulaMap;}3、处理每一个XWPFParagraph从XWPFParagraph获取xmlText/*** 通过XML直接处理段落中的公式*/public void processParagraphViaXML(XWPFParagraph paragraph, MapString, String formulaMap) {try {CTP ctp paragraph.getCTP();// 获取段落的XML内容String originalXml ctp.xmlText();// 处理XML替换公式String newXml parserXML(originalXml, formulaMap);// 用新的XML替换原来的段落内容CTP newCtp CTP.Factory.parse(newXml);paragraph.getCTP().set(newCtp);} catch (Exception e) {log.error(processParagraphViaXML Error: {0}, e);}}4、开始ParserXMLText内容基于org.w3c.dom.Documentprivate String parserXML(String originalXml, MapString, String formulaMap)throws IOException, SAXException, ParserConfigurationException, TransformerException {DocumentBuilderFactory factory DocumentBuilderFactory.newInstance();factory.setNamespaceAware(true); // 启用命名空间支持DocumentBuilder builder factory.newDocumentBuilder();org.w3c.dom.Document doc builder.parse(new ByteArrayInputStream(originalXml.getBytes()));// 查找m:oMath节点使用命名空间NodeList oMathNodes doc.getElementsByTagNameNS(http://schemas.openxmlformats.org/officeDocument/2006/math, oMath);MapElement,Node map new HashMap();for (int i 0; i oMathNodes.getLength(); i) {Node oMathNode oMathNodes.item(i);Element rElement doHandleElement(oMathNode, doc);map.put(rElement, oMathNode);}map.forEach((rElement, oMathNode) - oMathNode.getParentNode().replaceChild(rElement, oMathNode));return docmentToString(doc);}5、处理Node节点并且找到oMath节点后转换为Latex将Latex替换掉oMath节点后产生新的xmlText
private Element doHandleElement(Node oMathNode, org.w3c.dom.Document doc) throws TransformerException {// 保存原始公式内容简化处理实际可能需要更复杂的序列化String formulaContent nodeToString(oMathNode);if(questionMathReadernull){questionMathReader new QuestionMathReader2();}log.debug(formulaContent:{}, formulaContent);String latexContent questionMathReader.convertFromMmlToLatex(formulaContent);log.debug(LatexContent:{}, latexContent);// 创建新的文本节点Text textNode doc.createTextNode(KatexText value\latexContent\/KatexText);// 创建新的w:r节点Word中的文本需要包装在r中Element rElement doc.createElementNS(http://schemas.openxmlformats.org/wordprocessingml/2006/main, w:r);Element tElement doc.createElementNS(http://schemas.openxmlformats.org/wordprocessingml/2006/main, w:t);tElement.appendChild(textNode);rElement.appendChild(tElement);return rElement;}
// 辅助方法将 Node 转换为 XML 字符串private String nodeToString(Node node) throws TransformerException {TransformerFactory tf TransformerFactory.newInstance();Transformer transformer tf.newTransformer();transformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, yes);StringWriter writer new StringWriter();transformer.transform(new DOMSource(node), new StreamResult(writer));return writer.toString();}6、将org.w3c.dom.Document转换为字符串private static String docmentToString(org.w3c.dom.Document doc) throws TransformerException {// 将修改后的DOM转换回XML字符串TransformerFactory transformerFactory TransformerFactory.newInstance();Transformer transformer transformerFactory.newTransformer();transformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, yes);transformer.setOutputProperty(OutputKeys.INDENT, no);StringWriter writer new StringWriter();transformer.transform(new DOMSource(doc), new StreamResult(writer));return writer.toString();}7、将新的xmlText设置到XWPFParagraph将XWPFDocument持久化成新的word文档// 处理XML替换公式String newXml parserXML(originalXml, formulaMap);// 用新的XML替换原来的段落内容CTP newCtp CTP.Factory.parse(newXml);paragraph.getCTP().set(newCtp);8、还一个main函数也一起贴一下public static void main(String[] args) throws IOException {QuestionMathReplace2 extractor new QuestionMathReplace2();// 执行提取并替换公式MapString, String formulaMap extractor.extractAndReplaceFormulas(Files.newInputStream(Paths.get(F://test_source.docx)),F://test_target.docx);// 输出映射关系for (Map.EntryString, String entry : formulaMap.entrySet()) {System.out.println(entry.getKey() entry.getValue());}}9、运行一下看一下控制台10、最后看一下生成的word文件
