阅读说明：本技术 基于java的docx文件转xml文件的方法、装置及计算机设备 (Method and device for converting docx file into xml file based on java and computer equipment ) 是由 潘孝 于 2019-09-19 设计创作，主要内容包括：本发明涉及一种基于java的docx文件转xml文件的方法、装置及计算机设备,方法包括：接收目标docx文件；对目标docx文件做预处理,得到初始xml文件和媒体文件；新建一个目标xml文件；将初始xml文件和媒体文件写入目标xml文件的根节点；输出目标xml文件并保存。本方案基于java实现,通过对接收到的目标docx文件做预处理,得到初始xml文件和媒体文件,并新建一个目标xml文件,再将初始xml文件和媒体文件写入目标xml文件的根节点,最后输出目标xml文件并保存,来实现将docx文件转换为xml文件,转换后的xml文件保真度高,并且提供jar包,也可内嵌于自己的应用中,转换质量更高。(The invention relates to a method, a device and computer equipment for converting a java-based docx file into an xml file, wherein the method comprises the following steps: receiving a target docx file; preprocessing a target docx file to obtain an initial xml file and a media file; newly building a target xml file; writing the initial xml file and the media file into a root node of the target xml file; and outputting and saving the target xml file. The scheme is realized based on java, an initial xml file and a media file are obtained by preprocessing a received target docx file, a target xml file is newly built, the initial xml file and the media file are written into a root node of the target xml file, and finally the target xml file is output and stored to convert the docx file into the xml file.)

基于java的docx文件转xml文件的方法、装置及计算机设备

技术领域

本发明涉及文件转换领域，更具体地说是指一种基于java的docx文件转xml文件的方法、装置及计算机设备。

背景技术

Microsoft Word是微软公司的一个文字处理应用程序，在办公自动化中，Microsoft Word得到了越来越多的应用。然而，在自动化办公应用非常广泛的今天，已经可以根据已有的大量XML(Extensible Markup Language，可扩展标记语言)信息高效、稳定地批量生成Word文档。

OOXML是由微软公司为Office 2007产品开发的技术规范，于2006年12月成为ECMA标准。Docx格式是OOXML的文本格式之一，目前仅有微软公司的OFFICE SDK可以支持docx文件转换xml文件，但是OFFICE SDK依赖.NET环境，并且OFFICE版本兼容并不是很好，不能用于java环境。

现有的技术方案，对OFFICE版本兼容性不够好，同时，实现转换后的xml文件用offce软件打开后与原文档不一致，图片有压缩迹象，也不能用于freeemaker模板。因此，有必要提出一种基于java的docx文件转xml文件的方法、装置及计算机设备。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于java的docx文件转xml文件的方法、装置及计算机设备。

为实现上述目的，本发明采用以下技术方案：一种基于java的docx文件转xml文件的方法，包括以下步骤：

接收目标docx文件；

对目标docx文件做预处理，得到初始xml文件和媒体文件；

新建一个目标xml文件；

将初始xml文件和媒体文件写入目标xml文件的根节点；

输出目标xml文件并保存。

其进一步地技术方案为:所述对目标docx文件做预处理，得到初始xml文件和媒体文件的步骤，包括，

使用poi工具集对目标docx文件进行解压缩，得到解压缩文件；

提取解压缩文件中的初始xml文件和媒体文件。

其进一步地技术方案为:所述目标xml文件的根节点为pkg：package。

其进一步地技术方案为:所述将初始xml文件和媒体文件写入目标xml文件的根节点的步骤，包括，

将初始xml文件以pkg:part/pkg:xmlData的形式写入目标xml文件的根节点；

将媒体文件加密后以pkg:part/pkg:binaryData的形式写入目标xml文件的根节点。

本发明还采用以下技术方案：一种基于java的docx文件转xml文件的装置，其特征在于，包括：

接收单元，用于接收目标docx文件；

预处理单元，用于对目标docx文件做预处理，得到初始xml文件和媒体文件；

新建单元，用于新建一个目标xml文件；

写入单元，用于将初始xml文件和媒体文件写入目标xml文件的根节点；

输出单元，用于输出目标xml文件并保存。

其进一步地技术方案为:所述预处理单元包括解压缩模块和提取模块；

所述解压缩模块，用于使用poi工具集对目标docx文件进行解压缩，得到解压缩文件；

所述提取模块，用于提取解压缩文件中的初始xml文件和媒体文件。

其进一步地技术方案为:所述目标xml文件的根节点为pkg：package。

其进一步地技术方案为:所述写入单元包括第一写入模块和第二写入模块；

所述第一写入模块，用于将初始xml文件以pkg:part/pkg:xmlData的形式写入目标xml文件的根节点；

所述第二写入模块，用于将媒体文件加密后以pkg:part/pkg:binaryData的形式写入目标xml文件的根节点。

本发明还采用以下技术方案：一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的基于java的docx文件转xml文件的方法。

本发明还采用以下技术方案：一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如上任一项所述基于java的docx文件转xml文件的方法。

本发明与现有技术相比的有益效果是：本发明基于java实现，通过对接收到的目标docx文件做预处理，得到初始xml文件和媒体文件，并新建一个目标xml文件，再将初始xml文件和媒体文件写入目标xml文件的根节点，最后输出目标xml文件并保存，来实现将docx文件转换为xml文件，转换后的xml文件保真度高，并且提供jar包，也可内嵌于自己的应用中，转换质量更高。

下面结合附图和具体实施例对本发明作进一步描述。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于java的docx文件转xml文件的方法的应用场景示意图；

图2为本发明实施例提供的一种基于java的docx文件转xml文件的方法的流程示意图；

图3为本发明实施例提供的一种基于java的docx文件转xml文件的方法的子流程示意图；

图4为本发明另一实施例提供的一种基于java的docx文件转xml文件的方法的子流程示意图；

图5为本发明实施例提供的一种基于java的docx文件转xml文件的装置的示意性框图；

图6为本发明实施例提供的一种基于java的docx文件转xml文件的装置的预处理单元的示意性框图；

图7为本发明一实施例提供的一种基于java的docx文件转xml文件的装置的写入单元的示意性框图；

图8为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1和图2，图1为本发明实施例提供的基于java的docx文件转xml文件的方法的应用场景示意图。图2为本发明实施例提供的基于java的docx文件转xml文件的方法的示意性流程图。该基于java的docx文件转xml文件的方法应用于服务器中，该服务器与终端进行数据交互，由终端将目标docx文件传输至服务器，由服务器内对目标docx文件做预处理并提出得到初始xml文件和媒体文件，并新建一个目标xml文件，用于写入初始xml文件和媒体文件，最终得到并输出目标xml文件。

图2是本发明实施例提供的基于java的docx文件转xml文件的方法的流程示意图。如图2所示，该方法包括以下步骤S110至S150。

S110、接收目标docx文件。

在本实施例中，目标docx文件即为需要转换为xml文件的文档，在进行装换之前，终端将目标docx文件传输给服务器，由服务器进行后续的处理。

S120、对目标docx文件做预处理，得到初始xml文件和媒体文件。

在本实施例中，目标docx文件做预处理，以根据预处理后的文件，得到初始xml文件和媒体文件，初始的xml文件和媒体文件用于转换得到目标xml文件。

参阅图3，在一实施例中，步骤S120包括步骤S121和S122。

S121、使用poi工具集对目标docx文件进行解压缩，得到解压缩文件。

S122、提取解压缩文件中的初始xml文件和媒体文件。

在一实施例中，poi工具集也称为Apache POI，是Apache软件基金会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。通过poi工具集可以对目标docx文件进行解压缩，得到解压缩文件，并可以进一步从解压缩文件中提取出用于转换成目标xml文件的初始xml文件和媒体文件。

具体的，上述的媒体文件为./word/media下的媒体文件。初始xml文件包括下述文件：

./[Content_Types].xml；

./_rels/.rels；

./docProps/app.xml；

./docProps/core.xml；

./word/document.xml；

./word/fontTable.xml；

./word/numbering.xml；

./word/settings.xml；

./word/styles.xml；

./word/webSettings.xml；

./word/theme/theme1.xml。

S130、新建一个目标xml文件。

在本实施例中，xml为可扩展标记语言，标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言。Xml文件必须有一个根节点，就是紧接着根节点后面建立的节点，所有的节点都是这个根节点的子节点，根节点完全包括xml文件中其他所有的子节点。通过新建一个xml文件作为目标xml文件，用于后续写入原目标docx文件具体信息，并生成最终的目标xml文件。

具体的，目标xml文件的根节点为pkg：package。

S140、将初始xml文件和媒体文件写入目标xml文件的根节点。

在本实施例中，通过将初始xml文件和媒体文件写入到新建的目标xml文件中，即可以得到转换后的目标xml文件。

参阅图4，在一实施例中，步骤S140包括步骤S141和S142。

S141、将初始xml文件以pkg:part/pkg:xmlData的形式写入目标xml文件的根节点。

S142、将媒体文件加密后以pkg:part/pkg:binaryData的形式写入目标xml文件的根节点。

在一实施例中，通过将初始xml文件和媒体文件写入到新建的目标xml文件中，即可以得到转换后的目标xml文件，本方案的转换方法完全遵循OOXML标准，不会出现失真的问题。具体的媒体文件通过base64加密的方式进行加密，并写入目标xml文件的根节点中。

S150、输出目标xml文件并保存。

在本实施例中，在写入完成之后，即完成了docx文件到xml文件的转换，转换方法完全遵循OOXML标准，转换后的目标xml文件保真度高，并且提供jar包(压缩文件)，用户可将该jar包内嵌于自己的应用中简单方便。

本方案基于java实现，转换完全遵循OOXML标准，不会有失真问题。通过对接收到的目标docx文件做预处理，得到初始xml文件和媒体文件，并新建一个目标xml文件，再将初始xml文件和媒体文件写入目标xml文件的根节点，最后输出目标xml文件并保存，来实现将docx文件转换为xml文件，转换后的xml文件保真度高，并且提供jar包，也可内嵌于自己的应用中，转换质量更高。

图5是本发明实施例提供的一种基于java的docx文件转xml文件的装置的示意性框图。如图5所示，对应于以上实施例的一种基于java的docx文件转xml文件的方法，本发明还提供一种基于java的docx文件转xml文件的装置。该基于java的docx文件转xml文件的装置包括用于执行上述基于java的docx文件转xml文件的方法的单元，该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地，请参阅图5，该基于java的docx文件转xml文件的装置包括接收单元10，预处理单元20，新建单元30，写入单元40和输出单元50。

接收单元10，用于接收目标docx文件。

在本实施例中，目标docx文件即为需要转换为xml文件的文档，在进行装换之前，终端将目标docx文件传输给服务器，由服务器进行后续的处理。

预处理单元20，用于对目标docx文件做预处理，得到初始xml文件和媒体文件。

在本实施例中，目标docx文件做预处理，以根据预处理后的文件，得到初始xml文件和媒体文件，初始的xml文件和媒体文件用于转换得到目标xml文件。

参阅图6，在一实施例中，预处理单元20包括解压缩模块21和提取模块22。

解压缩模块21，用于使用poi工具集对目标docx文件进行解压缩，得到解压缩文件。

提取模块22，用于提取解压缩文件中的初始xml文件和媒体文件。

在一实施例中，poi工具集也称为Apache POI，是Apache软件基金会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。通过poi工具集可以对目标docx文件进行解压缩，得到解压缩文件，并可以进一步从解压缩文件中提取出用于转换成目标xml文件的初始xml文件和媒体文件。

具体的，上述的媒体文件为./word/media下的媒体文件。初始xml文件包括下述文件：

./[Content_Types].xml；

./_rels/.rels；

./docProps/app.xml；

./docProps/core.xml；

./word/document.xml；

./word/fontTable.xml；

./word/numbering.xml；

./word/settings.xml；

./word/styles.xml；

./word/webSettings.xml；

./word/theme/theme1.xml。

新建单元30，用于新建一个目标xml文件。

在本实施例中，xml为可扩展标记语言，标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言。Xml文件必须有一个根节点，就是紧接着根节点后面建立的节点，所有的节点都是这个根节点的子节点，根节点完全包括xml文件中其他所有的子节点。通过新建一个xml文件作为目标xml文件，用于后续写入原目标docx文件具体信息，并生成最终的目标xml文件。

具体的，目标xml文件的根节点为pkg：package。

写入单元40，用于将初始xml文件和媒体文件写入目标xml文件的根节点。

在本实施例中，通过将初始xml文件和媒体文件写入到新建的目标xml文件中，即可以得到转换后的目标xml文件，

参阅图7，在本实施例中，写入单元40包括第一写入模块41和第二写入模块42。

第一写入模块41，用于将初始xml文件以pkg:part/pkg:xmlData的形式写入目标xml文件的根节点。

第二写入模块42，用于将媒体文件加密后以pkg:part/pkg:binaryData的形式写入目标xml文件的根节点。

在一实施例中，通过将初始xml文件和媒体文件写入到新建的目标xml文件中，即可以得到转换后的目标xml文件，本方案的转换方法完全遵循OOXML标准，不会出现失真的问题。具体的媒体文件通过base64加密的方式进行加密，并写入目标xml文件的根节点中。

输出单元50，用于输出目标xml文件并保存。

在本实施例中，在本实施例中，在写入完成之后，即完成了docx文件到xml文件的转换，转换方法完全遵循OOXML标准，转换后的目标xml文件保真度高，并且提供jar包(压缩文件)，用户可将该jar包内嵌于自己的应用中简单方便。

本方案基于java实现，转换完全遵循OOXML标准，不会有失真问题。通过对接收到的目标docx文件做预处理，得到初始xml文件和媒体文件，并新建一个目标xml文件，再将初始xml文件和媒体文件写入目标xml文件的根节点，最后输出目标xml文件并保存，来实现将docx文件转换为xml文件，转换后的xml文件保真度高，并且提供jar包，也可内嵌于自己的应用中，转换质量更高。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述基于java的docx文件转xml文件的装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

请参阅图8，图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图8，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种基于java的docx文件转xml文件的方法。

该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种基于java的docx文件转xml文件的方法。

该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032。

应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。

所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。