php - Microsoft Word 自动化 - 以编程方式删除标题(及其子 indo)

Question

只是想知道是否有人有阅读 Microsoft Word 文档并以编程方式(基于标题)删除某些段落和 block 的经验

有没有人知道任何图书馆可以用我熟悉的一种语言来做到这一点:

• python
• PHP
• C#
• Java

我用谷歌搜索了一些，大多数似乎都能够读写文档(及其部分)，但似乎没有涵盖迭代当前标题的列表。如果我可以获得一个列表作为对象(或类似的东西)，那么我可以专门删除我想要的内容。

这样做的主要目的是我有一个包含大量信息的大型模板文档，但只需要某些部分，为每个文档挑选和选择，所以我打算构建一个小型前端来动态生成这些文档。

正如您将在上图中看到的，删除“Mutts”标题 2 项将删除红色框中的所有内容，如果可以使用任何预先编写的库，那将是惊人的，我不会深入研究 XML。

如果可能的话，我也宁愿不必使用 COM(组件对象模型)，但如果涉及到这一点，我可能会使用 Python for Windows Extensions。

非常感谢你们能提供的任何帮助。

Answer 1

我将此作为答案发布，因为有太多信息无法发表评论。考虑到这一点，这不会真的回答您的问题。对于看起来像这样的 word 文档:

---

标题 1

东西

东西

东西

标题 2

其他内容

其他内容

其他内容

---

生成的 xml，去掉了属性和不必要的元素，看起来像这样:

<?xml encoding="UTF-8"?>
<w:document>
    <w:body>
        <w:p>
            <w:pPr>
                <w:pStyle w:val="Heading1"/>
            </w:pPr>
            <w:r>
                <w:t>Heading 1</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Stuff</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Stuff</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Stuff</w:t>
            </w:r>
        </w:p>
        <w:p/>
        <w:p>
            <w:pPr>
                <w:pStyle w:val="Heading1"/>
            </w:pPr>
            <w:r>
                <w:t>Heading 2</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Other stuff</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Other stuff</w:t>
            </w:r>
        </w:p>
        <w:p>
            <w:r>
                <w:t>Other stuff</w:t>
            </w:r>
        </w:p>
    </w:body>
</w:document>

因此，每个标题下方的“内容”并未真正包含在标题内。我使用的 API 中没有一个对于迭代现有文档非常有用。即使您可以检索标题列表，您也需要获取该标题和下一个标题之间的所有段落。话虽这么说，但我不确定是否有一个好的图书馆可以做到这一点。

我之前使用过 Python 的 docx 模块来创建文档，这需要一些时间来适应。通常，您可能想要考虑一种加法(创建您需要的 header )而不是一种减法(删除您不需要的 header )。此外，仅供引用，可以通过将 .docx 文件重命名为 .zip 来探索它们。