识别docx中的文本颜色

Question

我正在尝试编写一个读取docx文件的程序，并检查某些文本是否有彩色。例如，想象一下，如果在这句话中加粗的所有单词实际上是以任意颜色写的。我希望我的程序能够识别出“在这句话中加粗的单词实际上是以任意颜色书写的”这些单词都是彩色的。

然后在识别着色后，我希望能够根据颜色编辑识别的文​​本。例如，如果上面的粗体文字是红色，我想添加“红色＆gt;”文本周围的标签，同时仍然保持未着色的句子的其余部分。

我最初使用ZipInputStream和ZipEntry来获取“word / document.xml”，我原本打算从那里拉出文本和颜色，但我觉得这样会在一段时间后变得太混乱。我也尝试过使用Apache poi，但我认为它不能识别颜色。不过，Docx4j看起来很有希望。让我开始的任何想法，建议或示例代码？

Answer 1

字体颜色是一个运行属性：

  <w:r>
    <w:rPr>
      <w:color w:val="FF0000"/>
    </w:rPr>
    <w:t>red</w:t>
  </w:r>

docx4j提供了三种方法：

• 通过XPath
• via TraversalUtil
• 通过XSLT

我建议使用TraversalUtil，因为XPath依赖于JAXB对它的支持，它并不总是健壮的（至少在Sun / Oracle参考实现中）。

有关使用此功能的示例，请参阅finders package。

但除此之外，您面临的挑战是可以通过样式（甚至作为文档默认值）指定颜色属性。如果你想考虑到这一点，你需要查看有效的运行属性（这是docx4j的PDF输出所做的）。