现在的位置: 首页 > 综合 > 正文

解析WordprocessingML(一)查找和替换

2011年02月14日 ⁄ 综合 ⁄ 共 5456字 ⁄ 字号 评论关闭

替换文本,在平时很简单的问题,如果通过wordProcessingML操作,可能就变成word操作中最复杂的问题了。

因为字体、拼写检测等细微的差别,word中在一起的字符串,转到xml时有可能会封装到几个<w:r>中。这就给替换带来很大难度,使原本简单的问题变的复杂。

如:[pr:test/]有可能会被分解到三个<w:r>,还可能更多。最多会分散到n!个<w:r>,n是标记包含的字符数。

这就给找到匹配增加了难度,也很难保留原来的word格式。
   为了实现Doc的随机读写,只能用xpath,下面是[pr:test/]在word xml中的一种情况

<w:r>
        
<w:rPr>
            
<w:rFonts w:ascii="新宋体" w:fareast="新宋体"/>
            
<wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            
<w:noProof/>
            
<w:color w:val="A31515"/>
            
<w:kern w:val="0"/>
            
<w:sz w:val="18"/>
            
<w:sz-cs w:val="18"/>
        
</w:rPr>
        
<w:t>[pr</w:t>
    
</w:r>
    
<w:r>
        
<w:rPr>
            
<w:rFonts w:ascii="新宋体" w:fareast="新宋体" w:hint="fareast"/>
            
<wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            
<w:noProof/>
            
<w:color w:val="A31515"/>
            
<w:kern w:val="0"/>
            
<w:sz w:val="18"/>
            
<w:sz-cs w:val="18"/>
        
</w:rPr>
        
<w:t>:</w:t>
    
</w:r>
    
<w:r>
        
<w:rPr>
            
<w:rFonts w:ascii="新宋体" w:fareast="新宋体"/>
            
<wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            
<w:noProof/>
            
<w:color w:val="A31515"/>
            
<w:kern w:val="0"/>
            
<w:sz w:val="18"/>
            
<w:sz-cs w:val="18"/>
        
</w:rPr>
        
<w:t>test/]</w:t>
    
</w:r>

 

我到目前想到了三种解决方案:

第一种最快,但是他只能解决标记位于一个<w:r>中的情况:

public string ReplaceMarker(MarkerValueCollection mvc,bool isVerify)
        
{
            _mvc 
= mvc;
            
string[] marker = mvc.AllKeys;
            
if (isVerify)
            
{
                VerifyMarker(marker);
            }


            
string text = _wordParser.WordDoc.InnerXml;
            MatchEvaluator me 
= new MatchEvaluator(ReplaceText);
            
string newtext = Regex.Replace(text, _findMarker, me);
            
return newtext;
 
        }

       
        
private string ReplaceText(Match m)
        
{
           
            
if (_mvc.Get(new CommonMarker(m.ToString())) == null)
            
{
                
return m.ToString();
            }

            
else
            
{
                
return _mvc.Get(new CommonMarker(m.ToString()));
            }



        }

 

因为假设标记位于是连续的,所以把xml当作纯文本,用正则表达式替换就可以了。
   第二中方案,可以解决段落中含有[],[/],[[pr:test/]/]的情况,标记中的个字符可以分散到任意个<w:r>,但是要求段中不能包含不匹配的[]

/// <summary>
        
/// 替换给定段落中的值一次
        
/// </summary>
        
/// <param name="paragraph">段落节点</param>
        
/// <param name="marker">标记</param>
        
/// <param name="value">替换的值</param>
        
/// <returns></returns>
        
///<remarks>标记的begin,end不能有不匹配。</remarks>

        private XmlNode ReplaceMarkerOnce(XmlNode paragraph, string marker, string value)
        
{

            CommonMarker cmarker 
= new CommonMarker(marker);
            XmlNodeList wrs 
= ((XmlElement)paragraph).GetElementsByTagName("w:r");
            
for (int i = 0; i < wrs.Count; i++)
            
{
                
if (wrs[i].InnerText.IndexOf(marker) >= 0)
                
{
                    wrs[i].InnerXml 
= string.Format(@"<w:t>{0}</w:t>", wrs[i].InnerText.Replace(marker, value));
                }

            }

            IList
<int> begins = new List<int>();
            IList
<int> ends = new List<int>();
            
for (int i = 0; i < wrs.Count; i++)
            
{
                
if (wrs[i].InnerText.IndexOf(cmarker.Begin) >= 0)
                
{
                    begins.Add(i);
                }

                
if (wrs[i].InnerText.IndexOf(cmarker.End) >= 0)
                
{
                    ends.Add(i);
                }

            }


            
if (begins.Count != ends.Count)
            
{
                
throw new ApplicationException("段落中有不匹配的标记");
            }


            
else
            
{

                
for (int i = 0; i < begins.Count; i++)
                
{

                    
string t = "";
                    Stack
<XmlNode> rs = new Stack<XmlNode>();

                    
for (int j = begins[i]; j <= ends[i]; j++)
                    
{
                        rs.Push(wrs[j]);
                        t 
= t + wrs[j].InnerText;
                    }

                    
if (t.IndexOf(cmarker.ToString()) >= 0)
                    
{
                        XmlNode xn 
= rs.Pop();//把最后一个r保留
                        
//替换
                        xn.InnerXml = string.Format(@"<w:t>{0}</w:t>", t.Replace(cmarker.ToString(), value));

                        
while (rs.Count > 0)
                        
{
                            XmlNode r 
= rs.Pop(); //移出的r
                            paragraph.RemoveChild(r);
                        }


                        
return paragraph;
                    }



                }

            }

            
return paragraph;
        }

/// <summary>
        
/// 替换给定段落中的标记
        
/// </summary>
        
/// <param name="paragraph">段落节点</param>
        
/// <param name="marker">标记</param>
        
/// <param name="value">替换的值</param>
        
/// <returns></returns>
        
///<remarks>标记的begin,end不能有不匹配。</remarks>

  public XmlNode ReplaceMarker(XmlNode paragraph, string marker, string value)
        
{
            CommonMarker cmarker 
= new CommonMarker(marker);
            
string x = paragraph.InnerText;
            
int count = Regex.Matches(x, cmarker.Reg).Count;
            XmlNode xn 
= paragraph;
            
for (int i = 0; i < count; i++)
            
{
                replce(xn, marker, value);
                xn 
= ReplaceMarkerOnce(xn, cmarker.ToString(), value);

            }

          

抱歉!评论已关闭.