Zi 字媒體

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文檔轉成PDF，一個是將word文檔中的內容按照一定的規範讀取到資料庫中，去npm倉庫找了大概有十幾個包，發現主要是通過以下的方式來轉換代碼。通過調用系統底層程序（比如說office）的API來轉換； 通過模板，替換數據來實現生成PDF； 通過有些免費將word轉成PDF的網站來實現將word轉成PDF，比如docx-to-pdf；後來退而求其次，想通過先將docx轉成文字，發現了個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，然後封裝了一些xml文件。可以直接將docx的包改後綴為.zip來打開觀看。Paste_Image.png進入word文件夾Paste_Image.png裡面有幾個主要的文件。document.xml 這個就是文檔的主要內容numbering.xml 這個就是標題號，以及標題號的一些屬性styles.xml 這個就是樣式列表打開document.xml 你就會發現，所有的文本都是用 標籤包著的。這個就是本文的關鍵這篇文章分享之前我還是要推薦下我自己的前端群：657/137/906，不管你是小白還是大牛，小編我都挺歡迎，不定期分享乾貨，包括我自己整理的一份2017最新的前端資料和零基礎入門教程，歡迎初學和進階中的小夥伴。。代碼 首先，需要通過npm安裝一個能查看zip文件的包：adm-zip； 然後，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;});複製代碼最近正在用node.js去解析docx的工作。先將最簡單的寫在上面。回頭有空再繼續分享2月13日更新之前隨手寫的代碼，今天測試發現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)複製代碼附上測試代碼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複製代碼