前言
最近有一個case。需要去解析word文檔。有兩個需求，一個是將word文檔轉(zhuǎn)成PDF，一個是將word文檔中的內(nèi)容按照一定的規(guī)范讀取到數(shù)據(jù)庫中，去npm倉庫找了大概有十幾個包，發(fā)現(xiàn)主要是通過以下的方式來轉(zhuǎn)換代碼。
后來退而求其次，想通過先將docx轉(zhuǎn)成文字，發(fā)現(xiàn)了個textract的包。
當然也有缺點，不支持docx中的標題號，不支持圖片等文件。
不怕死的我決定自己干這件事情。
介紹
其實docx就是一個zip包，然后封裝了一些xml文件。可以直接將docx的包改后綴為.zip來打開觀看。
進入word文件夾
里面有幾個主要的文件。
打開document.xml 你就會發(fā)現(xiàn)，所有的文本都是用 <w:t>標簽包著的。這個就是本文的關(guān)鍵
代碼
首先，需要通過npm安裝一個能查看zip文件的包：adm-zip；
然后，寫下下列代碼即可
const fs = require("fs");const AdmZip = require('adm-zip'); //引入查看zip文件的包const zip = new AdmZip(filePath); //filePath為文件路徑let contentXml = zip.readAsText("word/document.xml");//將document.xml讀取為text內(nèi)容；let str = "";contentXml .match(/<w:t>[/s/S]*?<//w:t>/ig).forEach((item)=>{str += item.slice(5,-6)});fs.writeFile("./2.txt",str,(err)=>{//將./2.txt替換為你要輸出的文件路徑if(err)throw err;});最近正在用node.js去解析docx的工作。先將最簡單的寫在上面。回頭有空再繼續(xù)分享
最新更新
之前隨手寫的代碼，今天測試發(fā)現(xiàn)用更新后的代碼比源代碼的效率提升十倍以上。
//原代碼//str += item.replace("<w:t>","").replace("</w:t>","");//更新代碼str += item.slice(5,-6)附上測試代碼
var str = "<w:t>sdfjpasif aefnmasd;lf asdfsdf</w:t>";var arr = [];for(var i=0;i<50000;i++){ arr.push(str);}console.time("replactest");arr.forEach((item)=>{ item.replace(/<w:t>/,"").replace(/<//w:t>/,"");});console.timeEnd("replactest");//replactest: 20.560msconsole.time("replactest2");arr.forEach((item)=>{ item.replace(/<//*w:t>/g,"");});console.timeEnd("replactest2");//replactest2: 14.926msconsole.time("replactest3");arr.forEach((item)=>{ item.replace(/(^<w:t>)|(<//w:t>$)/g,"");});console.timeEnd("replactest3");//replactest3: 14.402msconsole.time("slice");arr.forEach((item)=>{ item.slice(5,-6);});console.timeEnd("slice");//slice: 1.718ms總結(jié)
以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家學(xué)習(xí)或者使用node.js能帶來一定的幫助，如果有疑問大家可以留言交流。
新聞熱點
疑難解答
