基于JAVA实现由Word文档向LaTeX文档转换的方法及系统技术方案

本发明专利技术公开了一种Word文档向LaTeX文档转换的方法及系统，根据用户提交Word文档文件，系统利用JACOB技术对文件中的文本、图片、公式、表格等数据进行初始分析；利用Apache POI、JACOB技术提取源文件中的数据元素，并记录各元素的相对位置信息；根据朴素贝叶斯算法对提取的各文本元素进行分类，基于层叠自动编码器对源文件公式实现转换；将所述相对位置信息与各数据元素相结合，形成LaTeX目标文档的信息流；将上述信息流写入到目标文件中，从而转换成最终的LaTeX文档。本发明专利技术能够降低由Word文档向LaTeX文档转换的困难性和复杂性，为高校师生及科研人员等提供了专业的文档转换方法，提高了对文档处理的工作效率。

【技术实现步骤摘要】
基于JAVA实现由Word文档向LaTeX文档转换的方法及系统
本专利技术涉及文档转换和数据处理领域，更具体地说，涉及一种基于JAVA实现由Word文档向LaTeX文档转换的方法。
技术介绍
TeX提供了一套功能强大并且十分灵活的排版语言，它多达900条指令，并且TeX有宏功能，用户可以不断地定义自己适用的新命令来扩展TeX系统的功能。LeslieLamport开发的LaTeX是当今世界上最流行和使用最为广泛的TeX宏集。MicrosoftOfficeWord作为Office套件的核心程序，提供了许多易于使用的文档创建工具，也是目前市场上占有量最大的文字处理器。Word专用的文件格式Word文件(.docx)成为事实上最通用的文档标准。文档转换是将Word、Pdf、Txt、Ooxml、Odf、Html等文档格式进行转化。例如专利技术人黒木纯提出的将Ooxml、Odf的文档转换为HTML格式文档的方法、AdobeAcrobatProfessional软件实现Word格式和Pdf格式的转换等。ApachePOI是一个开放源代码的Java数据库，其主要目标是访问Word的底层文件。JACO本文档来自技高网...

【技术保护点】
1.一种基于JAVA实现由Word文档向LaTeX文档转换的方法，其特征在于，包括如下步骤：S1、根据用户提交的Word源文档文件，通过JACOB组件中的Word调用程序模块打开源文档文件；S2、在打开的源文档文件中，通过JACOB组件对源文档文件中各类数据元素进行初始分析，获取并记录源文档文件中每个数据元素的数据信息；S3、根据步骤S2记录的数据信息，利用Apache POI组件和JACOB组件，提取源文档文件中的各类数据元素；S4、将步骤S3提取出的各类数据元素进行信息流处理；其中，每类数据元素分别形成与其相对应的信息流；S5、将步骤S2记录得到的数据信息与每类数据元素的信息流相结合，在保...

【技术特征摘要】
1.一种基于JAVA实现由Word文档向LaTeX文档转换的方法，其特征在于，包括如下步骤：S1、根据用户提交的Word源文档文件，通过JACOB组件中的Word调用程序模块打开源文档文件；S2、在打开的源文档文件中，通过JACOB组件对源文档文件中各类数据元素进行初始分析，获取并记录源文档文件中每个数据元素的数据信息；S3、根据步骤S2记录的数据信息，利用ApachePOI组件和JACOB组件，提取源文档文件中的各类数据元素；S4、将步骤S3提取出的各类数据元素进行信息流处理；其中，每类数据元素分别形成与其相对应的信息流；S5、将步骤S2记录得到的数据信息与每类数据元素的信息流相结合，在保证源文档文件中各数据元素位置不变的情况下，形成LaTeX目标文档的信息流；S6、将步骤S5形成的LaTeX目标文档的信息流写入到目标文件，从而将Word源文档文件转换成LaTeX文档。2.根据权利要求1所述的Word文档向LaTeX文档转换的方法，其特征在于，步骤S2中获取并记录的数据信息包括数据元素的类别，以及每个数据元素在源文档文件中的相对位置；通过JACOB组件分析的数据元素包括文本、图片、表格和公式元素。3.根据权利要求1所述的Word文档向LaTeX文档转换的方法，其特征在于，步骤S2中对源文档文件中各类数据元素进行初始分析，具体是对源文档文件中的所有数据元素的存储状态进行判断。4.根据权利要求1所述的Word文档向LaTeX文档转换的方法，其特征在于，步骤S2中通过JACOB组件中的Paragraphs、Item、Text和Table接口，记录各数据元素的类别以及相对位置。5.根据权利要求1所述的Word文档向LaTeX文档转换的方法，其特征在于，步骤S3中在源文档文件中提取各类数据元素包括：针对文本元素，通过JACOB组件中的get(“Text”)、get(“Font”)和get(“Size”)函数，提取得到源文档文件中的文本元素；所述文本元素包括文本数据内容、文本类型和文本格式；针对图片元素，使用ApachePOI组件中XWPFDocument接口，提取得到源文档文件中的图片元素；使用JAVA程序自带的FileOutputStream方法，将提取的图片元素保存为本地文件；针对表格元素，结合JACOB组件中的getTable函数和ReadTable函数，提取得到源文档中的表格元素；其中，表格的规格由JACOB组件中getTableRowsCount方法以及getTableColumns...

【专利技术属性】
技术研发人员：宋军，徐衡，朱超群，彭艳，张坤，曹威，吴雅笛，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42