Question

我一直在尝试将我的docX文件转换为我定制的XML。我的用户希望他们的数据转换为此XML，以便在他们的Web应用程序中更容易地进行内容查询，并且他们希望输入来自他们的docX。

我曾尝试在Java中寻找转换器API，但似乎都不符合我的要求。我查看了docx4j，但意识到它只转换为HTML和PDF。我在想是否存在我可以输入的转换器API，例如，中间转换器（XSLT），输出将是我的自定义XML，包含来自docX的数据。

是否有现成的工具？如果没有，那么我在编写自己的转换器时必须采取的方法有任何建议，例如：从openXML开始，在自定义XML之前首先转换为XSL-FO？

很想听到社区的消息。

非常感谢。

Answer 1

docx4j可用于通过XSLT将OpenXML转换为任意XML。

假设模板 xslt 和javax.xml.transform.stream。 StreamResult 结果，你会做像这样的东西：

        WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new java.io.File(inputfilepath));
        MainDocumentPart mdp = wordMLPackage.getMainDocumentPart();

        // DOM document to input to transform
        org.w3c.dom.Document doc = XmlUtils.marshaltoW3CDomDocument(
                mdp.getJaxbElement() );     

        XmlUtils.transform(doc, xslt, null, result);

但是，如果您要做的只是转换为XML，那么docx4j（以及Apache POI就此而言）是过度的。您可以直接使用OpenXML4J。

通过XSLT进行转换是否是最佳方法，取决于您的目标XML是面向文档还是面向数据。

如果它是面向文档的，那么XSLT是一种很好的方法。

如果它是面向数据的，您可能需要考虑内容控制数据绑定。（还有另一种方法，称为customxml，但如果您依赖Word进行编辑，i4i专利闹剧可能会使这种方法不可取）

Answer 2

据我所知，docx文件只是ZIP容器中的xml文件。要将这些转换为您设计的某种XML格式，您需要解压缩文件（进入新文件夹或内存），加载目标Xml文档，并将XSLT应用于该xml文件。我不认为你提到你的开发环境，除了“docx4j”标签..你是用Java开发的吗？如果是这样，我恐怕我不知道哪些库指向你的zip处理和xml转换库（虽然我知道它们存在，并且它只需要5分钟的谷歌搜索才能找到它们！）

要查看docx中的xml文件，只需将文件的扩展名从“.docx”更改为“.zip”，然后在您喜欢的ZIP存档工具中打开。

Answer 3

我从Word中获得了运气最好的docx作为html。 Html不是xHtml所以你需要对它进行整理。否则，如果必须使用基于Word的工作流程，它的工作方式相当不错。您可以编写VBA脚本让Word打开文件并以编程方式将其保存到Html。

将docX转换为自定义XML

3 个答案: