Question

在WordprocessingML（MS Word文档保存的格式）中，无论如何都可以轻松搜索文本？

我遇到的主要问题是WordprocessingML格式将每个段落分解为“运行”，例如：

要存储句子“模块1：某些部分标题”，WordprocessingML指定XML标记为：

  <w:p w:rsidR="00F9529C" w:rsidRDefault="00F9529C" w:rsidP="00F9529C">
   <w:pPr>
    <w:pStyle w:val="Heading1_5019"/>
   </w:pPr>
   <w:bookmarkStart w:id="0" w:name="_Toc247333659"/>
   <w:r>
    <w:t>M</w:t>
   </w:r>
   <w:r w:rsidRPr="007D2739">
    <w:t xml:space="preserve">odule 1: </w:t>
   </w:r>
   <w:r>
    <w:t>Some Section Title</w:t>
   </w:r>
   <w:bookmarkEnd w:id="0"/>
  </w:p>

正如您所看到的，句子分为“ M ”，“模块1：”，“某些章节标题”。这种安排使得无法从整体上搜索句子。无论如何要解决这个问题吗？

为了澄清，我正在尝试使用DomDocument在PHP中执行此操作。

Answer 1

我编写了一些示例代码，演示如何在Open XML WordprocessingML文档中搜索和替换文本。我的方法是：一旦找到包含需要替换的文本的段落，就可以将段落中的所有运行分解为单个字符的运行。然后，可以直接找到与搜索字符串匹配的连续运行集。然后，您可以使用替换文本创建新运行，然后删除与搜索字符串匹配的单个字符运行。我使用XML DOM（使用System.Xml.XmlDocument）实现了这一点。您可以在博文Search and Replace Text in an Open XML WordprocessingML document中找到示例代码。另外，我录制了一个简短的屏幕演示，显示算法的工作原理：http://www.youtube.com/watch?v=w128hJUu3GM

Answer 2

是的，这就是直接使用WordML的痛苦，比如使用对象模型这个词。

不幸的是，我发现没有什么可以减轻的（openxml sdk，Aspose等似乎只是将WordML xml包装在一个薄的单板中）。

你可以在ML上做一些有限的预处理并解决很多东西（比如所有那些rsidRPr元素等），但解决足够的格式化元素以始终能够搜索到它仍然很棘手文本。

或者，您可以使用XPATH提取w：t元素，然后将它们全部串在一起并搜索结果，但是您遇到的问题是如何知道文档中最终找到的内容住。

如果您不关心它（例如，如果您只是数据挖掘）那么这可能是最快的解决方案。

如何在WordprocessingML中搜索/替换文本

2 个答案: