Aspose.Words for Java 中提取内容的辅助方法

Aspose.Words for Java 中提取内容的辅助方法简介

Aspose.Words for Java 是一个功能强大的库，允许开发人员以编程方式处理 Word 文档。处理 Word 文档时，一项常见任务是从中提取内容。在本文中，我们将探索一些使用 Aspose.Words for Java 高效提取内容的辅助方法。

先决条件

在深入研究代码示例之前，请确保您已在 Java 项目中安装并设置了 Aspose.Words for Java。您可以从以下位置下载这里.

辅助方法 1：按样式提取段落

public static ArrayList<Paragraph> paragraphsByStyleName(Document doc, String styleName) {
    //创建一个数组来收集指定样式的段落。
    ArrayList<Paragraph> paragraphsWithStyle = new ArrayList<Paragraph>();
    NodeCollection paragraphs = doc.getChildNodes(NodeType.PARAGRAPH, true);

    //浏览所有段落以查找具有指定样式的段落。
    for (Paragraph paragraph : (Iterable<Paragraph>) paragraphs) {
        if (paragraph.getParagraphFormat().getStyle().getName().equals(styleName))
            paragraphsWithStyle.add(paragraph);
    }
    return paragraphsWithStyle;
}

您可以使用此方法提取 Word 文档中具有特定样式的段落。当您想要提取具有特定格式的内容（例如标题或块引用）时，这种方法非常有用。

辅助方法 2：按节点提取内容

public static ArrayList<Node> extractContentBetweenNodes(Node startNode, Node endNode, boolean isInclusive) {
    //首先，检查传递给此方法的节点是否可以有效使用。
    verifyParameterNodes(startNode, endNode);
    
    //创建一个列表来存储提取的节点。
    ArrayList<Node> nodes = new ArrayList<Node>();

    //如果任一标记是注释的一部分（包括注释本身），则我们需要移动指针
    //转发到在 CommentRangeEnd 节点之后找到的注释节点。
    if (endNode.getNodeType() == NodeType.COMMENT_RANGE_END && isInclusive) {
        Node node = findNextNode(NodeType.COMMENT, endNode.getNextSibling());
        if (node != null)
            endNode = node;
    }
    
    //保留传递给此方法的原始节点的记录，以便在需要时拆分标记节点。
    Node originalStartNode = startNode;
    Node originalEndNode = endNode;

    //根据块级节点（段落和表格）提取内容。遍历父节点来找到它们。
    //我们将根据标记节点是否内联来拆分第一个和最后一个节点的内容。
    startNode = getAncestorInBody(startNode);
    endNode = getAncestorInBody(endNode);
    boolean isExtracting = true;
    boolean isStartingNode = true;
    //我们正在从文档中提取的当前节点。
    Node currNode = startNode;

    //开始提取内容。处理所有块级节点，并特别拆分第一个
    //并在需要时结束节点，以便保留段落格式。
    //这种方法比常规提取器稍微复杂一些，因为我们需要考虑
    //使用内联节点、字段、书签等进行提取，以使其有用。
    while (isExtracting) {
        //克隆当前节点及其子节点以获取副本。
        Node cloneNode = currNode.deepClone(true);
        boolean isEndingNode = currNode.equals(endNode);
        if (isStartingNode || isEndingNode) {
            //我们需要单独处理每个标记，因此将其传递给单独的方法。
            //应首先处理结束以保留节点索引。
            if (isEndingNode) {
                // !isStartingNode：如果标记是同一个节点，则不要添加两次节点。
                processMarker(cloneNode, nodes, originalEndNode, currNode, isInclusive,
                        false, !isStartingNode, false);
                isExtracting = false;
            }
            //条件需要分开，因为块级开始和结束标记可能是同一个节点。
            if (isStartingNode) {
                processMarker(cloneNode, nodes, originalStartNode, currNode, isInclusive,
                        true, true, false);
                isStartingNode = false;
            }
        } else
            //节点不是开始或结束标记，只需将副本添加到列表中。
            nodes.add(cloneNode);

        //移动到下一个节点并提取它。如果下一个节点为空，
        //其余内容位于不同的部分。
        if (currNode.getNextSibling() == null && isExtracting) {
            //移至下一部分。
            Section nextSection = (Section) currNode.getAncestor(NodeType.SECTION).getNextSibling();
            currNode = nextSection.getBody().getFirstChild();
        } else {
            //移动到主体中的下一个节点。
            currNode = currNode.getNextSibling();
        }
    }

    //为了与内联书签模式兼容，请添加下一段（空）。
    if (isInclusive && originalEndNode == endNode && !originalEndNode.isComposite())
        includeNextParagraph(endNode, nodes);

    //返回节点标记之间的节点。
    return nodes;
}

此方法允许您提取两个指定节点之间的内容，无论它们是段落、表格还是任何其他块级元素。它可处理各种场景，包括内联标记、字段和书签。

辅助方法 3：生成新文档

public static Document generateDocument(Document srcDoc, ArrayList<Node> nodes) throws Exception {
    Document dstDoc = new Document();
    
    //从空文档中删除第一个段落。
    dstDoc.getFirstSection().getBody().removeAllChildren();
    
    //将列表中的每个节点导入到新文档中。保留节点的原始格式。
    NodeImporter importer = new NodeImporter(srcDoc, dstDoc, ImportFormatMode.KEEP_SOURCE_FORMATTING);
    for (Node node : nodes) {
        Node importNode = importer.importNode(node, true);
        dstDoc.getFirstSection().getBody().appendChild(importNode);
    }
    
    return dstDoc;
}

此方法允许您通过从源文档导入节点列表来生成新文档。它保留了节点的原始格式，因此对于创建具有特定内容的新文档非常有用。

结论

从 Word 文档中提取内容是许多文档处理任务的关键部分。Aspose.Words for Java 提供了强大的辅助方法来简化此过程。无论您需要按样式提取段落、节点之间的内容还是生成新文档，这些方法都可以帮助您在 Java 应用程序中高效处理 Word 文档。

常见问题解答

如何安装 Aspose.Words for Java？

要安装 Aspose.Words for Java，您可以从 Aspose 网站下载。请访问这里获取最新版本。

我可以从 Word 文档的特定部分提取内容吗？

是的，您可以使用本文中提到的方法从 Word 文档的特定部分提取内容。只需指定定义要提取的部分的起始节点和结束节点即可。

Aspose.Words for Java 与 Java 11 兼容吗？

是的，Aspose.Words for Java 与 Java 11 及更高版本兼容。您可以在 Java 应用程序中使用它而不会出现任何问题。

我可以自定义提取内容的格式吗？

是的，您可以通过修改生成的文档中导入的节点来自定义提取内容的格式。Aspose.Words for Java 提供了广泛的格式化选项来满足您的需求。

在哪里可以找到有关 Aspose.Words for Java 的更多文档和示例？

您可以在 Aspose 网站上找到 Aspose.Words for Java 的全面文档和示例。请访问https://reference.aspose.com/words/java/以获取详细的文档和资源。