一种通过xml文档对office文件解析的方法技术

本发明专利技术公开了一种通过xml文档对office文件解析的方法，包括以下步骤：a、将word文件名称为word.docx的扩展名修改为zip，word文件会变成压缩文件，并形成压缩文件名称word.zip；b、通过解压软件对word.zip文件进行解压，并形成多个标准的xml文件。有益效果是：通过获取XML文档读取指令，该读取指令中包括至少一个待读取行标识，根据上述至少一个待读取行标识，在XML文档中读取出上述至少一个待读取行标识对应的至少一行数据，并将这至少一行数据转换为节点树，对该节点树上的节点进行解析，获取解析结果，实现了只需要根据读取指令读取需要读取的行数据即可，而无需读取整个文档，大大降低了计算机内存的消耗，避免了内存溢出的现象。的现象。的现象。

A method of parsing office files through XML documents

【技术实现步骤摘要】
一种通过xml文档对office文件解析的方法
[0001]

[0002]本专利技术涉及语言解析
，尤其涉及一种通过xml文档对office文件解析的方法。

技术介绍

[0003]目前市场对MS OFFICE文档进行解析，有两种技术：1、COM解析：安装office办公软件，会在系统进行注册生成COM 接口，然后开发人员对COM接口进行调用，传参拿到文件的实例，对文档各个数据模块（如字体、字号、段落、图表、页眉、页脚等等）进行数据读取解析。缺点：a.由于很多OFFICE用户，安装绿色版或简化版OFFICE,COM组建没有在系统注册，导致程序无法读取文档。 b.安装其它办公软件如WPS，然后没有卸载干净，同样会导致COM无法使用的问题。2、OpenXml 解析：openxml是微软在.net framework3.5中推出的开源项目，在无需安装office的情况下，也能够对office文档数据读取解析。缺点：a.目前OpenXml开发平台仅限于.net framework 3.5以上版本；b.开发语言只能为C#； c．.net framework框架有跨平台限制，不能通用于各个平台。
[0004]由于上述2种官方推出的解析方式，不能满足我们日常使用的各种场景以及各种平台调用，我们通过研究office文档结构发现，内部文件关系，以及文件类型均为xml文件，进一步测试、验证，得到可行性方案：即可以通过标准的xml文档对Office文档进行解析，解决对.net framewrok的依赖，而且还适应于目前市场主流的开发语言（C、C++、c#、JAVA、python、VB等各种语言和脚本）进行开发，主流的开发语言均支持读取解析标准的xml文件。
[0005]
技术实现思路

[0006]本专利技术的目的是提供一种通过xml文档对office文件解析的方法，只需要了解office文档结构，可以对xml文件进行关联解析，读取相应的数据，对想要的数据，只需要加载必要的关联文件进行解析即可，降低了计算机计算和内存消耗，可以达到跨语言、跨平台等特性，方便目前对office文件的终端使用。
[0007]本专利技术的技术方案是这样实现的：一种通过xml文档对office文件解析的方法，包括以下步骤：a、将word文件名称为word.docx的扩展名修改为zip，word文件会变成压缩文件，并形成压缩文件名称word.zip；b、通过解压软件对word.zip文件进行解压，并形成多个标准的xml文件；c、按照标准的xml文件方式进行解析，读取文档里面所有的内容；d、根据文档结构，建立对应模型关系，建立对应的名称空间映射，加载公共部分属性，开始读取主文档，对需要提取的数据进行文档关联遍历解析，根据office文档属性存在于
多个文件中，每个文件都有对应的id和标识进行关联，得到至少一行数据文档、图形文档。
[0008]进一步的，将所读取的所述至少一行数据进行释放。
[0009]进一步的，将所述至少一行数据转换为节点树，对所述节点树上的节点依次进行解析，并获取所述xml文档的解析结果。
[0010]进一步的，遍历所述节点树上的所有节点，依次对各所述节点进行解析，获取所述xml文档的解析结果。
[0011]本专利技术的有益效果是：（1）只需要了解office文档结构，既可以对xml文件进行关联解析，读取相应的数据，对想要的数据，只需要加载必要的关联文件进行解析即可，降低了计算机计算和内存消耗，可以达到跨语言、跨平台等特性，方便目前对office文件的终端使用。
[0012]（2）根据文档结构，建立对应模型关系，建立对应的名称空间映射，加载公共部分属性，开始读取主文档，对需要提取的数据进行文档关联遍历解析，根据office文档属性存在于多个文件中，每个文件都有对应的id和标识进行关联，得到至少一行数据、图形，在xml文档中读取出标识对应的至少一行数据，并将这至少一行数据转换为节点树，对该节点树上的节点进行解析，获取解析结果，实现了只需要根据读取指令读取需要读取的行数据即可，而无需读取整个文档，大大降低了计算机内存的消耗，避免了内存溢出的现象；另外，只需要将读取的行数据转换为节点树进行解析，提高解析效率。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为一种通过xml文档对office文件解析的方法的流程图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0016]根据本专利技术的实施例，提供了一种通过xml文档对office文件解析的方法。
[0017]参照图1，根据本专利技术实施例的xml文档对office文件解析的方法，包括以下步骤a、将word文件名称为word.docx的扩展名修改为zip，word文件会变成压缩文件，并形成压缩文件名称word.zip；b、通过解压软件对word.zip文件进行解压，并形成多个标准的xml文件；c、按照标准的xml文件方式进行解析，读取文档里面所有的内容；d、根据文档结构，建立对应模型关系，建立对应的名称空间映射，加载公共部分属性，开始读取主文档，对需要提取的数据进行文档关联遍历解析，根据office文档属性存在于多个文件中，每个文件都有对应的id和标识进行关联，得到至少一行数据文档、图形文档。
[0018]在一个实施例中，将所读取的所述至少一行数据进行释放。
[0019]在一个实施例中，将所述至少一行数据转换为节点树，对所述节点树上的节点依
次进行解析，并获取所述xml文档的解析结果。
[0020]在一个实施例中，遍历所述节点树上的所有节点，依次对各所述节点进行解析，获取所述xml文档的解析结果。
[0021]以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过xml文档对office文件解析的方法，其特征在于，包括以下步骤：a、读取office文件，程序对office文件进行解压缩，可以形成多个标准的xml文件；b、按照标准的xml文件方式进行解析，读取文档里面所有的内容；c、根据文档结构，建立对应模型关系，建立对应的名称空间映射，加载公共部分属性，开始读取主文档，对需要提取的数据进行文档关联遍历解析，根据office文档属性存在于多个文件中，每个文件都有对应的id和标识进行关联，得到至少一行数据文档、图形文档。2....

【专利技术属性】
技术研发人员：刘志强，
申请(专利权)人：安徽佰通教育科技发展有限公司，
类型：发明
国别省市：