ruby - 您将如何解析/存储/修改/保存 docx 文件

Question

我正在开发一个必须处理 docx 文件的应用程序。 我知道 docx 文件只是 zip 文件中的 xml/images/others 文件。

我的应用程序必须:

1. 导入 docx 文件并存储其表示形式(文本，也可以 与演示相关的一切，例如风格、风格、字体 ....)在数据库中。

2. 提供一种修改网页上每个句子文本的方法。

3. 导出包含新文本的 docx 文件，同时保留样式/演示文稿。

复杂的是我必须支持嵌套标签。例如，包含句子的标签还可以包含一些标签来为单词提供一些粗体。

我对数据库没有任何要求。它可以是任何东西。

我的问题更多的是如何处理和表示数据以及如何处理我的需求，而不是如何解析 XML。

谢谢!

Answer 1

这个问题并不容易。

这是我回答的一些相关问题:Creating RTF , DOC , or DOCX in iOS

读完后，这是一个真实的单词示例:

<w:p w:rsidP="00CA7135" w:rsidR="00137C91" w:rsidRDefault="00137C91">
            <w:r>
                <w:t>Hello</w:t>
            </w:r>
            <w:r w:rsidR="008C194D">
                <w:t xml:space="preserve"/>
            </w:r>
            <w:r>
                <w:t>My name</w:t>
            </w:r>
        </w:p>
        <w:p w:rsidP="00CA7135" w:rsidR="008C194D" w:rsidRDefault="00137C91">
            <w:r>
                <w:t xml:space="preserve">is</w:t>
            </w:r>
            <w:r w:rsidR="008C194D" w:rsidRPr="00E92392">
                <w:rPr>
                    <w:b/>
                </w:rPr>
                <w:t xml:space="preserve">John Doe</w:t>
            </w:r>
            <w:proofErr w:type="spellStart"/>
            <w:r w:rsidR="008C194D" w:rsidRPr="00E92392">
                <w:rPr>
                    <w:b/>
                </w:rPr>
                <w:t/>
            </w:r>
            <w:proofErr w:type="spellEnd"/>
            <w:r w:rsidR="008C194D" w:rsidRPr="00E92392">
                <w:rPr>
                    <w:b/>
                </w:rPr>
                <w:t xml:space="preserve"/>
            </w:r>
            <w:r w:rsidR="008C194D">
                <w:t xml:space="preserve"/>
            </w:r>
            <w:r>
                <w:t>I want to</w:t>
            </w:r>
            <w:r w:rsidR="008C194D">
                <w:t xml:space="preserve"/>
            </w:r>
            <w:r>
                <w:t>show</w:t>
            </w:r>
            <w:r w:rsidR="00E92392">
                <w:t xml:space="preserve">how difficult it is</w:t>
            </w:r>
        </w:p>

正如您所看到的，一个段落中的文本绝不仅仅是一笔。

回答您的问题:

1. 我认为在数据库中存储 docx 的唯一方法是存储完整的 XML 和图像(或将 docx 作为 ByteArray)存储
2. 要修改一个段落中的文本，您可以搜索所有 <w:t>标签并按相同的 <w:p> 对它们进行分组标签。例如“你好”和“我的名字”在同一个 <w:p> 中然后你会找到一种方法来知道文本被插入到哪里，并将文本插入到右侧的<w:t>中。
3. 这只是将 XML 和图像压缩在一起