html 试题试卷（包含latex）下载成word - - java

html 试题试卷（包含latex）下载成word - - java

 

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，文末会附源码

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);
        }
    }

3.  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

  =>  
< => <
> => >
& => &
" => "
' => '
¢ => ¢
£ => £
¥ => ¥
€ => €
§ => §
© => ©
® => ®
™ => ™
× => ×
÷ => ÷
  =>  
  =>  
Α => Α
Γ => Γ
Ε => Ε
Η => Η
Ι => Ι
Λ => Λ
Ν => Ν
Ο => Ο
Ρ => Ρ
Τ => Τ
Φ => Φ
Ψ => Ψ
α => α
γ => γ
ε => ε
η => η
ι => ι
λ => λ
ν => ν
ο => ο
ρ => ρ
σ => σ
υ => υ
χ => χ
ω => ω
ϒ => ϒ
• => •
′ => ′
‾ => ‾
℘ => ℘
ℜ => ℜ
ℵ => ℵ
↑ => ↑
↓ => ↓
↵ => ↵
⇑ => ⇑
⇓ => ⇓
∀ => ∀
∃ => ∃
∇ => ∇
∉ => ∉
∏ => ∏
− => −
√ => √
∞ => ∞
∧ => ⊥
∩ => ∩
∫ => ∫
∼ => ∼
≈ => ≅
≡ => ≡
≥ => ≥
⊃ => ⊃
⊆ => ⊆
⊕ => ⊕
⊥ => ⊥
⌈ => ⌈
⌊ => ⌊
◊ => ◊
♣ => ♣
♦ => ♦
¡ => ¡
£ => £
¥ => ¥
§ => §
© => ©
« => «
­ => ­
¯ => ¯
± => ±
³ => ³
µ => µ
Β => Β
Δ => Δ
Ζ => Ζ
Θ => Θ
Κ => Κ
Μ => Μ
Ξ => Ξ
Π => Π
Σ => Σ
Υ => Υ
Χ => Χ
Ω => Ω
β => β
δ => δ
ζ => ζ
θ => θ
κ => κ
μ => μ
ξ => ξ
π => π
ς => ς
τ => τ
φ => φ
ψ => ψ
ϑ => ϑ
ϖ => ϖ
… => …
″ => ″
⁄ => ⁄
ℑ => ℑ
™ => ™
← => ←
→ => →
↔ => ↔
⇐ => ⇐
⇒ => ⇒
⇔ => ⇔
∂ => ∂
∅ => ∅
∈ => ∈
∋ => ∋
∑ => −
∗ => ∗
∝ => ∝
∠ => ∠
∨ => ⊦
∪ => ∪
∴ => ∴
≅ => ≅
≠ => ≠
≤ => ≤
⊂ => ⊂
⊄ => ⊄
⊇ => ⊇
⊗ => ⊗
⋅ => ⋅
⌉ => ⌉
⌋ => ⌋
♠ => ♠
♥ => ♥
  =>  
¢ => ¢
¤ => ¤
¦ => ¦
¨ => ¨
ª => ª
¬ => ¬
® => ®
° => °
² => ²
´ => ´
· => ·
ø => ø
á => 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

 有想法的，有问题的猿请走这里：mao_yuwei@163.com

原文链接:https://www.cnblogs.com/maoyuwei/p/11637738.html
如有疑问请与原作者联系

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有