xml - 将 docX 转换为自定义 XML

Question

我一直在尝试将我的 docX 文件转换为我定制的 XML。我的用户希望将他们的数据转换为这种 XML，以便在他们的 Web 应用程序中更轻松地查询内容，并且他们希望输入来自他们的 docX。

我曾尝试在 Java 中寻找转换器 API，但似乎没有一个符合我的要求。我查看了 docx4j，但意识到它只能转换为 HTML 和 PDF。我在想是否存在一个转换器 API，我可以向其输入，比如说，一个中间翻译器 (XSLT)，并且输出将是我的自定义 XML，其中包含来 self 的 docX 的数据。

有现成的工具吗？如果没有，关于我在编码我自己的转换器时必须采取的方法的任何建议，例如从 openXML，在自定义 XML 之前先转换为 XSL-FO？

很想听听社区的意见。

非常感谢。

Answer 1

docx4j 可用于通过 XSLT 将 OpenXML 转换为任意 XML。

假设 Templates xslt 和 javax.xml.transform.stream.StreamResult result，你会做像这样:

        WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(new java.io.File(inputfilepath));
        MainDocumentPart mdp = wordMLPackage.getMainDocumentPart();

        // DOM document to input to transform
        org.w3c.dom.Document doc = XmlUtils.marshaltoW3CDomDocument(
                mdp.getJaxbElement() );     

        XmlUtils.transform(doc, xslt, null, result);

但是，如果您只想转换为 XML，那么 docx4j(以及与此相关的 Apache POI)就有些过分了。你可以只使用 OpenXML4J直接。

不过，通过 XSLT 进行转换是否是最佳方法取决于您的目标 XML 是面向文档的还是面向数据的。

如果它是面向文档的，XSLT 是一个很好的方法。

如果它是面向数据的，您可能需要考虑内容控制数据绑定(bind)。 (还有另一种方法，称为 customxml，但如果您依赖 Word 进行编辑，i4i 专利闹剧可能会使该方法不可取)