html 试题试卷(包含latex)下载成word - - java

时间:2019-10-09
本文章向大家介绍html 试题试卷(包含latex)下载成word - - java,主要包括html 试题试卷(包含latex)下载成word - - java使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

html 试题试卷(包含latex)下载成word

主要目的:

  • 分享将带latex的html格式的试题试卷以word的格式下载,并且加一些灵活的排版样式
  • 接受群众的检阅,获得反馈
  • 骗取打赏,或者github star

需求背景:

  • html 混有latex公式的试题组成的试卷,下载成为word格式
  • word试卷的排版,纸张大小,字体,密封线,标题,题型,誉分栏等
  • html 呈现的样式和word呈现的样式一致(只能大体一致,有些样式还是没做到完全一致)

方案概要:

       主要方案:提取HTML里的题文内容 >> 转换为word标签样式 >> (制造试卷模板)将转换成word样式的题文填充到模板中 >> 组建word(doc 或 docx)

  • 制作freemark模板: 编辑好doc和docx的样板试卷,将其转化为xml格式,再转为ftl文件,并根据排版需求编写填充逻辑
  • 编写调用freemark下载程序:根据传入条件选择doc或docx模板下载
  • 解析html试题内容:用XPath分解试题内容,提取样式,将信息结构化
  • 将结构化的试题内容翻译为word标签格式:将html样式翻译为对应的word里面的标签格式,让其可以填充到freemark模板中而不违背word标签的语法规范
  • 综合以上步骤就可以将HTML格式的试卷下载为word格式的

提前需要了解的知识:

  • freemark相关语法知识
  • XPath相关基础知识
  • html标签样式相关知识
  • word标签样式相关知识

详细实现步骤:

 freemark模板制作:

     1.  根据需求制作全样式的试卷样板(doc,docx 各一份)[例图:A3全样式模板]

          说明:包含需求所有样式(字体,密封线,标题,题型,誉分栏等),后续在编写模板显示逻辑时可以灵活控制是否生效

       2.  将doc,docx 格式的样板转换为xml

            doc格式的将文件另存为  Word XML 文档(*.xml) 格式,用Notepad++等类似更具打开(NotePad++中安装XML Tools 插件,这个可以格式化xml文件,对后续的工作用处很大)[例图,折叠起来,大体结构如下]

               1).word xml 结构的简单介绍(纯属个人猜想,不是官方定义,如果想了解详细的结构找正规的介绍资料),下面只介绍我们用到的部分

                     · pkg:part:/word/_rels/document.xml.rels :用于定义header(页眉),footer(页脚),styles(样式),image(图片)等pkg:part的引用

                       说明:页眉,页脚可以定义多个,需要在word中展示的图片路径和引用在此定义

                     · pkg:part:/word/document.xml :正文部分,word中呈现的除页眉页脚以外的主要内容都在此部分(最重要的部分,后面介绍里面的格式)

                     · pkg:part:/word/footer.xml :页脚部分,设置试卷第几页,共几页

                     · pkg:part:/word/header.xml :页眉部分,设置试卷密封线

                     · pkg:part:/word/styles.xml :样式,设置默认字体等

                     · pkg:part:/word/media/image.png:图片内容(base64),docx中将图片放在/word/media文件夹下

              docx 格式的样板,用解压工具解压开(不要惊讶,没写错就是解压开,docx 是一种压缩文件,它是将原本的doc的xml中的每个结构块拆开成独立文件压缩而成的)[例图:样例文件结构如下]

               word文件夹下文件

       docx的结构大致如将doc中每个pkg:part单独拆成文件,放在一定结构的文件夹下,最后压缩而成的,每块的功能和doc的相应pkg:part一样

       docx有的[Content_Types].xml文件:定义图片类型,和其他pkg:part

       正文部分:/word/document.xml 用到的标签简单介绍:

       1>段落:<w:p> :段落;<w:pPr>:段落样式;<w:r>:内容部分;<w:rPr>:内容样式;<w:t>:文字内容

<w:p w:rsidR="004D42A0" w:rsidRDefault="005F1054">
    <w:pPr>
        <w:jc w:val="center"/>
        <w:rPr>
            <w:rFonts w:eastAsia="黑体"/>
            <w:b/>
            <w:sz w:val="30"/>
            <w:szCs w:val="30"/>
        </w:rPr>
    </w:pPr>
    <w:r w:rsidRPr="00771D19">
        <w:rPr>
            <w:rFonts w:eastAsia="黑体" w:hint="eastAsia"/>
            <w:b/>
            <w:sz w:val="30"/>
            <w:szCs w:val="30"/>
        </w:rPr>
        <w:t>学年</w:t>
    </w:r>
</w:p>

       2>图片:<w:pict>:图片标签;<v:shape>:图片样式;<v:imagedata>:引入图片(根据/word/_rels/document.xml.rels定义的图片id)

            <w:r>
                <w:pict>
                    <v:shape id="_x0000768de9d0ea6111e98c2a28843b052b2f" type="_x0000_t75" style="width:85pt;height:43pt">
                        <v:imagedata r:id="rId768de9d0ea6111e98c2a28843b052b2f" o:title="2"/>
                    </v:shape>
                </w:pict>
            </w:r>

      3>表格:

<w:tbl>
    <w:tblPr>
        <w:tblW w:w="0" w:type="auto"/>
        <w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>
    </w:tblPr>
    <w:tblGrid>
        <w:gridCol w:w="222"/>
        <w:gridCol w:w="1376"/>
    </w:tblGrid>
    <w:tr w:rsidR="00A93926" w:rsidTr="00682485">
        <w:tc>
            <w:tcPr>
                <w:tcW w:w="0" w:type="auto"/>
            </w:tcPr>
            <w:p w:rsidR="00A93926" w:rsidRDefault="00286E3F" w:rsidP="00A93926"/>
        </w:tc>
        <w:tc>
            <w:tcPr>
                <w:tcW w:w="0" w:type="auto"/>
                <w:vAlign w:val="center"/>
            </w:tcPr>
            <w:p w:rsidR="00A93926" w:rsidRPr="00A93926" w:rsidRDefault="00BF47F0" w:rsidP="00A93926">
                <w:pPr>
                    <w:rPr>
                        <w:b/>
                    </w:rPr>
                </w:pPr>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t>一、</w:t>
                </w:r>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t xml:space="preserve"> </w:t>
                </w:r>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t>解答题</w:t>
                </w:r>
            </w:p>
        </w:tc>
    </w:tr>
</w:tbl>

      4>latex转换成的word公式:omml:

<m:oMath>
    <m:f>
        <m:fPr>
            <m:ctrlPr>
                <w:rPr>
                    <w:sz w:val="30"/>
                </w:rPr>
            </m:ctrlPr>
        </m:fPr>
        <m:num>
            <m:r>
                <w:rPr>
                    <w:sz w:val="30"/>
                </w:rPr>
                <m:t>a</m:t>
            </m:r>
        </m:num>
        <m:den>
            <m:r>
                <w:rPr>
                    <w:sz w:val="30"/>
                </w:rPr>
                <m:t>sinA</m:t>
            </m:r>
        </m:den>
    </m:f>
</m:oMath>

      5> 纸张大小,单双栏,页眉,页脚显示设置:

           <w:headerReference>: 页眉设置      w:type:可以设置单双页显示

           <w:footerReference> : 页脚设置       w:type:可以设置单双页显示

          <w:pgSz> : 纸张宽高设置,此处可以调整A3,A4,B4,B5等样式

          <w:pgMar>: 页边距等设置

          <w:cols>: 单双栏设置

          <w:docGrid>: 分栏线设置

<w:p w:rsidR="005320E8" w:rsidRDefault="00286E3F" w:rsidP="00B33EF9">
    <w:pPr>
        <w:sectPr w:rsidR="005320E8" w:rsidSect="007A55E5">
            <w:headerReference w:type="even" r:id="rId9"/>
            <w:headerReference w:type="default" r:id="rId10"/>
            <w:footerReference w:type="even" r:id="rId11"/>
            <w:footerReference w:type="default" r:id="rId12"/>
            <w:pgSz w:w="23814" w:h="16840" w:orient="landscape" w:code="9"/>
            <w:pgMar w:top="1134" w:right="1000" w:bottom="1134" w:left="1000" w:header="851" w:footer="692" w:gutter="0"/>
            <w:cols w:num="2" w:sep="1" w:space="425"/>
            <w:docGrid w:type="lines" w:linePitch="312"/>
        </w:sectPr>
    </w:pPr>
</w:p>

    以上就是word试卷样板和word结构和标签的简单介绍,这写对于生成word很重要,涉及的内容也比较多,本人了解的也不多,是一个个试出来的,如有其它需求大家可以查文档或通过控制变量的方式,打开word编辑出自己想要的样式转成xml和原版xml对比找出不同的部分锁定样式设置的地方

     2.  将xml样板转换为freemark的ftl模板

         1).doc的xml文件直接将后缀改为.ftl,并将模板中的过多信息删除(每个后期填充的图片,段落样式保持一个),做到最精简的模板,放入项目中

         2).docx的xml文件将 /word/document.xml 正文部分取出,如果页眉页脚样式也会有灵活变化也可以取出来做成模板,放入项目中

         3).编写数据填充逻辑(得有一定基础的freemark语法基础)

               doc模板的数据填充逻辑编写描述:

                1>:图片引用编写:在/word/_rels/document.xml.rels 部分,动态引入图片链接,同时图片的base64也应该引到pkg:part 里

<pkg:part pkg:name="/word/_rels/document.xml.rels" pkg:contentType="application/vnd.openxmlformats-package.relationships+xml" pkg:padding="256">
    <pkg:xmlData>
        <Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
            <Relationship Id="rId8" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/header" Target="header2.xml"/>
             ..........
            <#list relations.relationshipStr as rs> 
                    ${rs} 
            </#list> 
        </Relationships>
    </pkg:xmlData>
</pkg:part>

                2>:题文内容填充:在/word/document.xml部分

<w:p w:rsidR="00C93DDE" w:rsidRPr="00771D19" w:rsidRDefault="00BF47F0" w:rsidP="00C93DDE">
    <w:pPr>
        <w:jc w:val="center"/>
        <w:rPr>
            <w:rFonts w:eastAsia="黑体"/>
            <w:b/>
            <w:sz w:val="30"/>
            <w:szCs w:val="30"/>
        </w:rPr>
    </w:pPr>
    <w:r w:rsidRPr="00771D19">
        <w:rPr>
            <w:rFonts w:eastAsia="黑体" w:hint="eastAsia"/>
            <w:b/>
            <w:sz w:val="30"/>
            <w:szCs w:val="30"/>
        </w:rPr>
        <w:t>${(mainTitle.mainTitleName)!'XXXX学年度XX学校XX考试'}</w:t>
    </w:r>
</w:p>

<#list questionsList as qMap>
    <w:p w:rsidR="00A81065" w:rsidRDefault="00BF47F0" w:rsidP="00744A41">
        <w:pPr>
            <w:pStyle w:val="a7"/>
            <w:ind w:firstLineChars="0"/>
            <w:textAlignment w:val="center"/>
            <w:spacing w:line="360" w:lineRule="auto"/>
        </w:pPr>
    ${(qMap.questionContent)!""}
    </w:p>
</#list>

         基本就是些if,else,循环list的操作就可以满足基本的需求,不再列举,只要找到正确样式和样式位置就可以完成

   根据freemark模板下载word程序编写:

     1.  引入freemarker jar包

<dependency>
    <groupId>org.freemarker</groupId>
    <artifactId>freemarker</artifactId>
    <version>2.3.26-incubating</version>
</dependency>

     2.  模板读取

public class PaperDownloadSeting {
    private static Configuration configuration = null;
    private static Map<String, Template> allTemplate = null;
    private static Logger logger= LoggerFactory.getLogger(PaperDownloadSeting.class.getName());
    static{
        configuration = new Configuration(Configuration.VERSION_2_3_0);
        configuration.setDefaultEncoding("UTF-8");
        configuration.setClassForTemplateLoading(PaperDownloadSeting.class, "/freemarkmould/papermould/");
        allTemplate = new HashMap<String,Template>();
        try{
            allTemplate.put("docmould", configuration.getTemplate("docmould.ftl"));
            allTemplate.put("docxDocumentMould", configuration.getTemplate("docxmould/document.ftl"));
            allTemplate.put("docxHeader1Mould", configuration.getTemplate("docxmould/header1.ftl"));
            allTemplate.put("docxHeader2Mould", configuration.getTemplate("docxmould/header2.ftl"));
            allTemplate.put("docxStylesMould", configuration.getTemplate("docxmould/styles.ftl"));
        }catch(IOException e){
            e.printStackTrace();
            throw new RuntimeException(e);
        }
    }

     2.  数据填充,word流生成

    /**
     *@Desc: 获取word文件流,paperMap:处理成word样式的试卷信息,out:word输出流
     */
    public  static void getwordFileOutPutStream(Map<String, Object> paperMap,String docType, OutputStream out){
        try{
            Writer w = new OutputStreamWriter(out,"utf-8");
            if(docType.equals("doc")) {
                Template t = allTemplate.get("docmould");
                t.process(paperMap,w);//freemark向模板填充数据
                w.close();
                deleteTmpImages(paperMap.get("tempMediaPath").toString());
            }
            if(docType.equals("docx")) {
                ZipOutputStream zipout = new ZipOutputStream(out);
                zipdocx(paperMap,zipout);
            }
        }catch(Exception e){
            e.printStackTrace();
            throw new RuntimeException(e);
        }finally {
            try {
                out.close();
                deleteTmpImages(paperMap.get("tempMediaPath").toString());
            } catch (Exception e2) {
                e2.printStackTrace();
            }
        }
    }

    /**
     *@Desc: docx的试卷下载,解压静态样板,用已经填充的模板替换正文,页眉,页脚,样式等样板文件,在压缩
     */
    @SuppressWarnings("unchecked")
    public static void zipdocx(Map<String, Object> paperMap,ZipOutputStream zipout) throws IOException, TemplateException, URISyntaxException {
        Map<String, Object> relationsMap= JsonUtil.fromJson(JsonUtil.toJson(paperMap.get("relations")), Map.class);
        List<String> relationshipStr=JsonUtil.fromJson(JsonUtil.toJson(relationsMap.get("relationshipStr")), List.class);
        Template doct = allTemplate.get("docxDocumentMould");//正文模板
        Template hea1t = allTemplate.get("docxHeader1Mould");//页眉样式
        Template hea2t = allTemplate.get("docxHeader2Mould");//另一个页眉样式
        Template stylt = allTemplate.get("docxStylesMould");//全局样式模板
        Writer w = new OutputStreamWriter(zipout,"utf-8");
        File file=makeDirs();
        ZipFile zipFile = new ZipFile(file);
        Enumeration<? extends ZipEntry> zipEntrys = zipFile.entries();
        int len = -1;
        byte[] buffer = new byte[1024];
        while (zipEntrys.hasMoreElements()) {
            ZipEntry next = zipEntrys.nextElement();
            zipout.putNextEntry(new ZipEntry(next.toString()));
            if ("word/document.xml".equals(next.toString())) {
                doct.process(paperMap,w);//向模板填充试卷正文内容
            }
            else if ("word/header1.xml".equals(next.toString())) {
                hea1t.process(paperMap,w);//向模板填充页眉样式
            }
            else if ("word/header2.xml".equals(next.toString())) {
                hea2t.process(paperMap,w);//向模板填充页眉样式
            }
            else if ("word/styles.xml".equals(next.toString())) {
                stylt.process(paperMap,w);//向模板填充全局样式
            }
            else {
                //其他文件复制进去
                InputStream is = zipFile.getInputStream(next);
                while ((len = is.read(buffer)) != -1) {
                    zipout.write(buffer, 0, len);
                }
                //向Relationships写入图片链接
                if ("word/_rels/document.xml.rels".equals(next.toString())) {
                    for(String str:relationshipStr) {
                        zipout.write(str.getBytes());
                    }
                    String endStr="</Relationships>";
                    zipout.write(endStr.getBytes());
                }
                is.close();
            }
        }
        //往word/media/下添加图片
        String tempMediaPath=paperMap.get("tempMediaPath").toString();
        File imagesFile=new File(tempMediaPath);
        if(tempMediaPath!=null&&tempMediaPath!=""&&imagesFile.exists()) {
            File[] imagesList = imagesFile.listFiles();
            if(imagesList.length>0) {
                for(File tmpFile:imagesList) {
                    if (tmpFile.isFile()) {
                        zipout.putNextEntry(new ZipEntry("word/media/"+tmpFile.getName()));
                        InputStream input=new FileInputStream(tmpFile);
                        while ((len = input.read(buffer)) != -1) {
                            zipout.write(buffer, 0, len);
                        }
                        input.close();
                    }
                    tmpFile.delete();
                }
            }
        }
        imagesFile.delete();
        w.close();
        zipout.close();
        zipFile.close();
    }
    /**
     *@Desc: 创建word图片临时文件夹,并且返回docx静态模板文件,将静态模板文件放在临时目录下(静态模板较大可以单独放在其他地方,本项目为了方便就放在resources下)
     */
    public static File  makeDirs() {
        String filePath=PaperDownloadSeting.class.getClassLoader().getResource("").getPath().replace("classes", "tempfile");
        String fileName="docxmould.docx";
        File file=new File(filePath, fileName);
        if(file.exists())
        {
            if(file.length()>0) {
                return file;
            }
            file.delete();
        }
        file.getParentFile().mkdirs();
        try {
            file.createNewFile();
            OutputStream out=new FileOutputStream(file);
            File modulFile = ResourceUtils.getFile("classpath:freemarkmould/staticmould/docxmould.docx");
            InputStream in= new FileInputStream(modulFile);
            byte[] buffer = new byte[1024];
            int bytesToRead = -1;
            while ((bytesToRead = in.read(buffer)) != -1) {
                out.write(buffer, 0, bytesToRead);
            }
            in.close();
            out.flush();
            out.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
        return file;
    }
   /**
    *@Desc: 删除临时图片
    */
    public  static void deleteTmpImages(String floderPath) {
        File imagesFloder=new File(floderPath);
        if(floderPath==null||floderPath.equals("")||!imagesFloder.exists()) {return;}
        File[] imagesList = imagesFloder.listFiles();
        if(imagesList.length<1) {imagesFloder.delete();return;}
        for(File tmpFile:imagesList) {
            if (tmpFile.isFile()) {tmpFile.delete();}
        }
        imagesFloder.delete();
    }

     到此我们就可以将文本的简单数据填充到模板,并下载成word了,接下来我们要做的就是将html格式的试题转换为相应的word格式,填充到模板

   解析html试题内容,将其结构化:

     1.  引入XPath jar包

<dependency>
    <groupId>cn.wanghaomiao</groupId>
    <artifactId>JsoupXpath</artifactId>
    <version>2.2</version>
</dependency>

     2.  解析HTML试题内容

/**
 * @Desc: 标签节点
 **/
public class Node {
    private String nodeName;
    private Integer nodeType;//1:标签节点;2:文本节点
    private Map<String,String> attrMap;
    private String nodeText;
    private String nodeStr;
    private String childStr;
    private String nodeParent;
    private  List<Node> childNodeList;

    public String getNodeName() {
        return nodeName;
    }

    public void setNodeName(String nodeName) {
        this.nodeName = nodeName;
    }

    public Integer getNodeType() {
        return nodeType;
    }

    public void setNodeType(Integer nodeType) {
        this.nodeType = nodeType;
    }

    public Map<String, String> getAttrMap() {
        return attrMap;
    }

    public void setAttrMap(Map<String, String> attrMap) {
        this.attrMap = attrMap;
    }

    public String getNodeText() {
        return nodeText;
    }

    public void setNodeText(String nodeText) {
       // nodeText=nodeText.replaceAll("[\n\r\t]","");
        nodeText=nodeText.trim();
        if(nodeText==null||nodeText.equals("")) {nodeText=null;}
        this.nodeText = nodeText;
    }

    public String getNodeStr() {
        return nodeStr;
    }

    public void setNodeStr(String nodeStr) {
        nodeStr=nodeStr.replaceAll("[\n\r\t]","");
        this.nodeStr = nodeStr;
    }

    public String getChildStr() {
        return childStr;
    }

    public void setChildStr(String childStr) {
        this.childStr = childStr;
    }

    public String getNodeParent() {
        return nodeParent;
    }

    public void setNodeParent(String nodeParent) {
        this.nodeParent = nodeParent;
    }

    public List<Node> getChildNodeList() {
        return childNodeList;
    }

    public void setChildNodeList(List<Node> childNodeList) {
        this.childNodeList = childNodeList;
    }
}

     解析html

 /**
     *@Author: maoyuwei
     *@Date: 2019/9/7 15:29
     *@Desc: 提取一级标签节点
     */
    public  static  List<Node> htmlStrToNodes(String htmlStr){
        htmlStr.replace("##","");//##为提取文本的分隔符,不能出现在题文中
        JXDocument jxDocument=JXDocument.create(htmlStr);
        String bodyPath = "/body";
        JXNode bodyNode=jxDocument.selNOne(bodyPath);
        Node node = new Node();
        node.setNodeType(1);
        node.setNodeName(bodyNode.asElement().nodeName());
        node.setChildStr(bodyNode.asElement().html());
        List<Node> nodes=childStrToNodes(node,bodyNode);
        if(nodes==null||nodes.size()<1) {
            nodes=new ArrayList<Node>();
            nodes.add(node);
        }
        return nodes;
    }
    /**
     *@Author: maoyuwei
     *@Date: 2019/9/7 15:29
     *@Desc:  提取当前标签下的子标签节点
     */
    public  static List<Node> childStrToNodes(Node node,JXNode jxNode){
        String childPath = "/child::*";
        List<JXNode> childJXNodeList=jxNode.sel(childPath);
        if(childJXNodeList==null||childJXNodeList.size()<1){
            if(node.getChildStr()!=null||!node.getChildStr().equals("")){
                node.setNodeText(node.getChildStr().replaceAll("[\n\r\t]",""));
            }
            return null;
        }
        List<Node> tempChildNodes=new ArrayList<Node>();
        String currentHtmlStr=node.getChildStr();
        int index=0;
        for(JXNode childJXNode:childJXNodeList) {
            String childNodeStr=childJXNode.toString();
            //标记本级文本
            int beginIndex=currentHtmlStr.indexOf(childNodeStr);
            if(beginIndex<0) {continue;}
            currentHtmlStr=currentHtmlStr.substring(0,beginIndex)+"##<"+index+">"+currentHtmlStr.substring(beginIndex+childNodeStr.length());
            index++;
            Node childNode=new Node();
            Element element=childJXNode.asElement();
            childNode.setNodeName(element.nodeName());
            childNode.setNodeStr(childJXNode.toString());
            childNode.setNodeParent(node.getNodeName());
            childNode.setChildStr(element.html());
            childNode.setNodeType(1);
            //属性逐级下沉,每个子标签都带父级的属性
            Map<String,String> attrMap= JsonUtil.fromJson(JsonUtil.toJson(node.getAttrMap()), Map.class);
            if (attrMap==null) {attrMap=new HashMap<String,String>();}
if (childNode.getNodeName()!=null&&childNode.getNodeName().equals("tr")) {attrMap=new HashMap<>();}//表格标签tr中不写入父级属性
if(element.attributes()!=null) { for(Attribute attribute: element.attributes().asList()) { if(attribute.getKey().equals("style")){ String style=attrMap.get(attribute.getKey())==null?"":attrMap.get(attribute.getKey()); attrMap.put(attribute.getKey(),style+" "+attribute.getValue()); }else { attrMap.put(attribute.getKey(),attribute.getValue()); } } } //标签所带属性写入 if(childNode.getNodeName()!=null&&"b i u B I U".contains(childNode.getNodeName())){ String style=attrMap.get("style")==null?"":attrMap.get("style"); attrMap.put("style",style+" _"+childNode.getNodeName().toLowerCase()); } childNode.setAttrMap(attrMap); childStrToNodes(childNode,childJXNode); tempChildNodes.add(childNode); } //提取取本级文本,和本级标签节点按顺序存储 String[] textList=currentHtmlStr.split("##"); List<Node> childNodes=new ArrayList<Node>(); for(int i=0;i<textList.length;i++){ String textStr=textList[i]; if(textStr==null||textStr.equals("")) {continue;} String regex="(?<=<)[0-9]+(?=>)"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(textStr); Integer position=null; if(matcher.find()) { String positionStr=matcher.group(); position=Integer.parseInt(positionStr.toString()); } if(position!=null&&position<tempChildNodes.size()){ childNodes.add(tempChildNodes.get(position)); } textStr=textStr.replaceAll("<[0-9]+>",""); textStr=textStr.replaceAll("[\n\r\t]",""); if(textStr==null||textStr.equals("")) {continue;} Node textNode=new Node(); textNode.setNodeType(2); textNode.setNodeText(textStr); Map<String,String> attrMap= JsonUtil.fromJson(JsonUtil.toJson(node.getAttrMap()), Map.class); textNode.setAttrMap(attrMap); textNode.setNodeParent(node.getNodeName()); childNodes.add(textNode); } node.setChildNodeList(childNodes); return childNodes; }

 以上代码就可以将html的题文结构化,接下来我们将这个结构化的题文翻译成word格式

   将结构化的题文翻译为word格式:

     这块的代码比较多,写的也不好,就不粘了,大家可以看下我的源码看(看  com\pdl\paperdownload\wordpapermake\htmltowordhandle 下面的类就行),简单介绍一下这块的内容:

    1. 将结构化的题文里的每个node 解析成word的格式,得自己总结HTML样式和word样式的对应关系

       下面简单列举几个对应样式:

         · 下面绿色部分为word段落样式设置位置;黄色部分为内容样式设置位置

<w:p w:rsidR="00A81065" w:rsidRDefault="00BF47F0">
    <w:pPr>
        <w:ind w:leftChars="130" w:left="273"/>
        <w:textAlignment w:val="center"/>
        <w:spacing w:line="360" w:lineRule="auto"/>
    </w:pPr>
    <w:r w:rsidRPr="00043B54">
        <w:t xml:space="preserve"> 【解析】</w:t>
    </w:r>
    <w:r>
        <w:rPr>
            <w:rFonts w:hint="eastAsia"/>
            <w:b/>
        </w:rPr>
        <w:t>试题分析</w:t>
    </w:r>
</w:p>

        · 居中:word段落样式

<w:jc w:val="center"/>

        · 首行缩进:word段落样式

<w:ind w:firstLineChars="200" w:firstLine="480"/>

         · 右对齐:word段落样式

<w:jc w:val="right"/>

         · 加粗:内容样式

<w:b/>

         · 斜体:内容样式

<w:i/>

         · 下划线:内容样式

<w:u w:val="single"/>

         · 允许内容中的空格显示设置(绿色部分为设置部分)

<w:r>
    <w:t xml:space="preserve"> hello pretty girl!</w:t>
</w:r>

              · 上下标 sub sup:内容样式

<w:vertAlign w:val="superscript"/>

<w:vertAlign w:val="subscript"/>

   其他格式:

     · omml 公式放在<w:p>段落标签里面(关于latex转换为word公式omml的方法,可以看我的另一篇分享:https://www.cnblogs.com/maoyuwei/p/10874773.html

     · 图片部分放在<w:p>段落标签里面

        textAlignment w:val="center" 为图片行内居中

        style="width:85pt;height:43pt" 设置图片宽高

   <v:imagedata r:id="rId768de9d0ea6111e98c2a28843b052b2f" 设置图片引用地址

注:doc的图片得将它的base64码,和引用定义填充到模板;docx的图片放到word\media文件夹下,并将引用定义填充到模板
<w:p w:rsidR="00A81065" w:rsidRDefault="00BF47F0" w:rsidP="00744A41">
    <w:pPr>
        <w:textAlignment w:val="center"/>
        <w:rPr>
            <w:rFonts w:hint="eastAsia"/>
        </w:rPr>
    </w:pPr>
    <w:r>
        <w:pict>
            <v:shape id="_x0000768de9d0ea6111e98c2a28843b052b2f" type="_x0000_t75" style="width:85pt;height:43pt">
                <v:imagedata r:id="rId768de9d0ea6111e98c2a28843b052b2f" o:title="2"/>
            </v:shape>
        </w:pict>
    </w:r>
</w:p>

     · 表格部分放在和<w:p>同级

  w:gridCol w:w="222" 列宽设置
  <w:tr> 相当于html table中的 <tr>
  <w:tc> 相当于html table中的 <td>
注意:word合并单元格的方式和HTML不太一样,不好描述,多试试自己就能发现规律
<w:tbl>
    <w:tblPr>
        <w:tblW w:w="0" w:type="auto"/>
        <w:tblLook w:val="04A0" w:firstRow="1" w:lastRow="0" w:firstColumn="1" w:lastColumn="0" w:noHBand="0" w:noVBand="1"/>
    </w:tblPr>
    <w:tblGrid>
        <w:gridCol w:w="222"/>
        <w:gridCol w:w="1376"/>
    </w:tblGrid>
    <w:tr w:rsidR="00A93926" w:rsidTr="00682485">
        <w:tc>
            <w:tcPr>
                <w:tcW w:w="0" w:type="auto"/>
            </w:tcPr>
            <w:p w:rsidR="00A93926" w:rsidRDefault="00286E3F" w:rsidP="00A93926"/>
        </w:tc>
        <w:tc>
            <w:tcPr>
                <w:tcW w:w="0" w:type="auto"/>
                <w:vAlign w:val="center"/>
            </w:tcPr>
            <w:p w:rsidR="00A93926" w:rsidRPr="00A93926" w:rsidRDefault="00BF47F0" w:rsidP="00A93926">
                <w:pPr>
                    <w:rPr>
                        <w:b/>
                    </w:rPr>
                </w:pPr>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t>一、</w:t>
                </w:r>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t xml:space="preserve"> </w:t>
                </w:r>
                <w:r>
                    <w:rPr>
                        <w:rFonts w:hint="eastAsia"/>
                        <w:b/>
                    </w:rPr>
                    <w:t>解答题</w:t>
                </w:r>
            </w:p>
        </w:tc>
    </w:tr>
</w:tbl>

另外要注意的html有一些特殊字符,得提前转义,不然会导致word打不开

&nbsp; => &#160;
&lt; => &#60;
&gt; => &#62;
&amp; => &#38;
&quot; => &#34;
&apos; => &#39;
&cent; => &#162;
&pound; => &#163;
&yen; => &#165;
&euro; => &#8364;
&sect; => &#167;
&copy; => &#169;
&reg; => &#174;
&trade; => &#8482;
&times; => &#215;
&divide; => &#247;
&ensp; => &#160;
&emsp; => &#160;
&Alpha; => &#913;
&Gamma; => &#915;
&Epsilon; => &#917;
&Eta; => &#919;
&Iota; => &#921;
&Lambda; => &#923;
&Nu; => &#925;
&Omicron; => &#927;
&Rho; => &#929;
&Tau; => &#932;
&Phi; => &#934;
&Psi; => &#936;
&alpha; => &#945;
&gamma; => &#947;
&epsilon; => &#949;
&eta; => &#951;
&iota; => &#953;
&lambda; => &#955;
&nu; => &#957;
&omicron; => &#959;
&rho; => &#961;
&sigma; => &#963;
&upsilon; => &#965;
&chi; => &#967;
&omega; => &#969;
&upsih; => &#978;
&bull; => &#8226;
&prime; => &#8242;
&oline; => &#8254;
&weierp; => &#8472;
&real; => &#8476;
&alefsym; => &#8501;
&uarr; => &#8593;
&darr; => &#8595;
&crarr; => &#8629;
&uArr; => &#8657;
&dArr; => &#8659;
&forall; => &#8704;
&exist; => &#8707;
&nabla; => &#8711;
&notin; => &#8713;
&prod; => &#8719;
&minus; => &#8722;
&radic; => &#8730;
&infin; => &#8734;
&and; => &#8869;
&cap; => &#8745;
&int; => &#8747;
&sim; => &#8764;
&asymp; => &#8773;
&equiv; => &#8801;
&ge; => &#8805;
&sup; => &#8835;
&sube; => &#8838;
&oplus; => &#8853;
&perp; => &#8869;
&lceil; => &#8968;
&lfloor; => &#8970;
&loz; => &#9674;
&clubs; => &#9827;
&diams; => &#9830;
&iexcl; => &#161;
&pound; => &#163;
&yen; => &#165;
&sect; => &#167;
&copy; => &#169;
&laquo; => &#171;
&shy; => &#173;
&macr; => &#175;
&plusmn; => &#177;
&sup3; => &#179;
&micro; => &#181;
&Beta; => &#914;
&Delta; => &#916;
&Zeta; => &#918;
&Theta; => &#920;
&Kappa; => &#922;
&Mu; => &#924;
&Xi; => &#926;
&Pi; => &#928;
&Sigma; => &#931;
&Upsilon; => &#933;
&Chi; => &#935;
&Omega; => &#937;
&beta; => &#946;
&delta; => &#948;
&zeta; => &#950;
&theta; => &#952;
&kappa; => &#954;
&mu; => &#956;
&xi; => &#958;
&pi; => &#960;
&sigmaf; => &#962;
&tau; => &#964;
&phi; => &#966;
&psi; => &#968;
&thetasym; => &#977;
&piv; => &#982;
&hellip; => &#8230;
&Prime; => &#8243;
&frasl; => &#8260;
&image; => &#8465;
&trade; => &#8482;
&larr; => &#8592;
&rarr; => &#8594;
&harr; => &#8596;
&lArr; => &#8656;
&rArr; => &#8658;
&hArr; => &#8660;
&part; => &#8706;
&empty; => &#8709;
&isin; => &#8712;
&ni; => &#8715;
&sum; => &#8722;
&lowast; => &#8727;
&prop; => &#8733;
&ang; => &#8736;
&or; => &#8870;
&cup; => &#8746;
&there4; => &#8756;
&cong; => &#8773;
&ne; => &#8800;
&le; => &#8804;
&sub; => &#8834;
&nsub; => &#8836;
&supe; => &#8839;
&otimes; => &#8855;
&sdot; => &#8901;
&rceil; => &#8969;
&rfloor; => &#8971;
&spades; => &#9824;
&hearts; => &#9829;
&nbsp; => &#160;
&cent; => &#162;
&curren; => &#164;
&brvbar; => &#166;
&uml; => &#168;
&ordf; => &#170;
&not; => &#172;
&reg; => &#174;
&deg; => &#176;
&sup2; => &#178;
&acute; => &#180;
&middot; => ·
&oslash; => ø
&aacute; => á

根据以上规则,结合其他需要的规则,做html结构化题文的翻译,具体翻译代码太多不在这里展示

源码: https://github.com/mao-yuwei/paper_download

注意:spring boot 的项目,启动后访问 localhost:8080 到下载样例页:

           可选择试卷,下载格式,纸张大小,字号,答案样式

          试卷json数据放在:resources\paperdata  

          请求方法位置:com\pdl\paperdownload\main.java

总结:

         整个过程就是一个 了解HTML结构,了解word结构,然后翻译,拼接出一个完整word的过程

         

         遇到问题: 经常有格式错误或特殊字符导致word打不开的情况,这个是一大痛点,但经过不断优化这样的情况已越来越少了

         会用到的latex转word公式omml的另一篇分享:https://www.cnblogs.com/maoyuwei/p/10874773.html

如果以上内容对你还有一点用处或将来能用到,请走这里哦,不要太多意思意思就行了

没有蓝朋友的妹子,汉子(\手动狗头)或有问题的猿请走这里:mao_yuwei@163.com

原文地址:https://www.cnblogs.com/maoyuwei/p/11637738.html