Конвертация и "офисные" форматы

lmike · 01.09.2011

долгое время не мог найти "нормального" инструмента (ОЛЕ не предлагать

)...
НО вышел

Ссылка скрыта от гостей

он примечателен готовыми конверторами:

Word-to-HTML Converter, конвертирующий документ Word в HTML, можно даже с картинками;
Word-to-Text Converter, который является заменой для прошлого WordExtractor, корректно обрабатывающий вложенные OLE-документы, разбиение на абзацы, коды полей (в том числе гиперссылки);
Word-to-FO Converter, конвертирующий документ Word в файл XSL FO, также возможно с картинками. Дальше этот файл можно передать на обработку в Apache FOP для получения PDF из Word.

Ссылка скрыта от гостей

По реалиям - всё это лежит в либе poi-scratchpad-3.8-beta4-20110826.jar
и запущаеть можно строкой:
java -cp ./:./poi-3.8-beta4/poi-3.8-beta4-20110826.jar:./poi-3.8-beta4/poi-scratchpad-3.8-beta4-20110826.jar org.apache.poi.hwpf.converter.WordToHtmlConverter <input> <output>
с соответ. именем класса
результат, в хтмл, мне понравился (съехала нумерация булетов, на 1-цу, но не суть) - он визуально аккуратнее, чем при сохранении МСО2000 вордом
и самое "вкусное" - это fop преобразование, из класса org.apache.poi.hwpf.converter.WordToFoConvertor
приятно это тем, что можно получать PDF из вордфайла, без "посредников" (если не считать FOP и POI

)
и в процесс можно вмешиваться, подставляя FOP-у шрифты/стили, заменяя элементы

д.р. словами - шаблонизация на основе ворд файлов, но с выводом в ПДФ!

стоит ли говорить, что всё это бохгасьво можно задейстовать в нотусне

lmike · 06.09.2011

теория преобразования и шаблон
стадия подготовки
-в тексте DOC файла, юзвери (ответ. за создание шаблона) создают некие теги (далее назовём их полями, не путать с вордовыми полями), например <FieldName>
-файл в формате DOC подаем на вход обработчику и он его преобразует в формат FO
-получаем из поля из FO, преобразованием XSLT
-заносим поля в БД нотусни
стадия генерации
-юзверь забивает значения полей
-с пом.

Ссылка скрыта от гостей

подставляем значения в FO файл (кодом в БД). Например

Ссылка скрыта от гостей

, там "поля" выгдядят как $name и т.п., мы же можем сделать <name> (это угловые скобки)
-с пом. FOP генерим выходной ПДФ

с чем столкнулся, при генерации (нек. блоки изложенные в теории уже тестил):
-булеты ворда - если их создавали абы-как надо пересоздать (убить нумерацию и сделать заново). А то - может съехать нумерация
-тект суперскриптом обозначен в FO как smaller, но в фоп 0.95 (именно им я обрабатывал) такое значение атрибута не описано. Выход - заменить (можно ХСЛТ, можно велосити) на font-size="6" (или меньше)
-абзацы (fo:block) имеют атрибут

Ссылка скрыта от гостей

как preserv, что приводит к разрыву слов и предложений, если меняется шрифт. Меняем на ignore (методы в предыдущем пункте)
-некоторые "странные" люди форматируют положение текста, на странице - созданием таблиц со строками опред. высоты. Решение - искоренять такой метод форматирования

-каментил блок

XML:

<!--<fo:declarations>
<x:xmpmeta xmlns:x="adobe:ns:meta">
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
<rdf:Description rdf:about="">
<dc:title xmlns:dc="http://purl.org/dc/elements/1.1/"> </dc:title>
<dc:creator xmlns:dc="http://purl.org/dc/elements/1.1/"> </dc:creator>
<dc:description xml:lang="x-default" xmlns:dc="http://purl.org/dc/elements/1.1/"> </dc:description>
</rdf:Description>
</rdf:RDF>
</x:xmpmeta>
</fo:declarations>-->

ибо в моих версиях эти нэйм-спейсы вызывают вопросы софта

FedeX · 04.11.2011

Добрый день, пытаюсь сделать нечто похожее (надо сформировать картинку с превью вордовского файла). При помощи wordtofo конвертера из состава jpoi получаю fo-файл, затем пытаюсь его обработать apache fop-ом. В итоге внутри transformer.transform(src, res); получаю кучу null-pointer ексцепшенов парсера. Мне кажеться, что сам fo файл зависит от некой теблици стилей (xss или как её там), но если так, то где её взять? Или в чем ещё может быть ошибка?

lmike · 04.11.2011

FedeX сказал(а):
Мне кажеться, что сам fo файл зависит от некой теблици стилей (xss или как её там), но если так, то где её взять? Или в чем ещё может быть ошибка?

сходу не подскажу, надо видеть FO, выше я описывал траблы, кот. не учтены в 0.95 версии ФОП, более поздней я не прогонял, да и трэйс может подсказать - что не так

FedeX · 07.11.2011

Вот к примеру в архиве хтмл с картинкой и получившийся fo-файл (кстати вордвьювером открываеться, но как-то коряво)..
А вот и "ругательства":

Код:

WARNING: Unknown formatting object "{adobe:ns:meta}xmpmeta" encountered (a child of fo:declarations}. (See position 10:2)
ERROR: ''
javax.xml.transform.TransformerException: java.lang.NullPointerException
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(Unknown Source)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(Unknown Source)
at com.iq4you.WordPreviewGenerator.tryWithFop(WordPreviewGenerator.java:321)
at com.iq4you.Tests.TestWord(Tests.java:73)
at com.iq4you.Tests.main(Tests.java:101)
Caused by: java.lang.NullPointerException
at org.apache.fop.fo.extensions.xmp.AbstractMetadataElement.notifyObjectBuilt(AbstractMetadataElement.java:65)
at org.apache.fop.fo.extensions.xmp.XMPContentHandlerFactory$FOPXMPHandler.endDocument(XMPContentHandlerFactory.java:65)
at org.apache.fop.fo.FOTreeBuilder.endElement(FOTreeBuilder.java:182)
at com.sun.org.apache.xml.internal.serializer.ToXMLSAXHandler.endElement(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.endElement(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanEndEl
ement(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDriver.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentScannerImpl.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLNSDocumentScannerImpl.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocum
ent(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(Unknown Source)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transformIdentity(Unknown Source)
... 5 more
---------
java.lang.NullPointerException
at org.apache.fop.fo.extensions.xmp.AbstractMetadataElement.notifyObjectBuilt(AbstractMetadataElement.java:65)
at org.apache.fop.fo.extensions.xmp.XMPContentHandlerFactory$FOPXMPHandler.endDocument(XMPContentHandlerFactory.java:65)
at org.apache.fop.fo.FOTreeBuilder.endElement(FOTreeBuilder.java:182)
at com.sun.org.apache.xml.internal.serializer.ToXMLSAXHandler.endElement(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.endElement(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanEndEl
ement(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDriver.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentScannerImpl.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLNSDocumentScannerImpl.next(Unknown Source)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocum
ent(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(Unknown Source)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transformIdentity(Unknown Source)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(Unknown Source)
at com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl.transform(Unknown Source)
at com.iq4you.WordPreviewGenerator.tryWithFop(WordPreviewGenerator.java:321)
at com.iq4you.Tests.TestWord(Tests.java:73)
at com.iq4you.Tests.main(Tests.java:101)

lmike · 07.11.2011

"WARNING: Unknown formatting object "{adobe:ns:meta}xmpmeta" encountered (a child of fo:declarations}. (See position 10:2)
ERROR: ''" ну вот и ответ
яж выше писал - закоментить эти тэги https://codeby.net/threads/43087.html?vi...st&p=210819

FedeX · 07.11.2011

Ой)) Точно, вот невнимательный я)) Спасибо, теперь работает.

lmike · 01.03.2012

очередное исследование...
но оно не касается, напрямую, МСО
речь пойдет об ODF
исследовал вот этот тулз

Ссылка скрыта от гостей

интересовала именно работа как с шаблоном, плюсы этой либы - отсутствие необходимости установки приложений для работы с ODF
что обнаружил:
-ищет и заменяет слова

-в нек. комбинациях форматирования глючит
глючало при расположении шаблона для замены в таблице и с нумерацией (см. файл odftest-fail.odt)
<div class="sp-wrap"><div class="sp-head-wrap"><div class="sp-head folded clickable">"код"</div></div><div class="sp-body"><div class="sp-content"><pre><code class='java'>import java.io.InputStream;

import org.odftoolkit.simple.*;
import org.odftoolkit.simple.common.navigation.*;
public class ODFtools {
void replaceText(TextDocument textdoc, String search, String replace) {
TextNavigation searchnav = null;
searchnav = new TextNavigation(search, textdoc);
try{
while (searchnav.hasNext()) {
TextSelection item = (TextSelection) searchnav.nextSelection();
System.out.println("find");
try {
item.replaceWith(replace);
} catch (InvalidNavigationException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}catch (Exception e){System.out.println(e.getMessage());}
}
public static void main(String[] argv){
ODFtools obj=new ODFtools();
Class resourceClass = ODFtools.class;
TextDocument textdoc=null;
InputStream is=null;
try {
is=resourceClass.getResourceAsStream("odftest.odt");
// is=resourceClass.getResourceAsStream("odftest-fail.odt");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
if (is==null){System.out.println ("opening file Error");System.exit(0);}
try {
textdoc=TextDocument.loadDocument(is);
} catch (Exception e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
if (is==null){System.out.println ("opening document Error");System.exit(0);}
String search="<test>", replace="*replace*";
obj.replaceText(textdoc, search, replace);
System.out.println("exit search");
try {
textdoc.save("new.odt");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}[/CODE]
<div class="sp-wrap"><div class="sp-head-wrap"><div class="sp-head folded clickable">"результат когда все нормально"</div></div><div class="sp-body"><div class="sp-content">find
find
find
01.03.2012 14:31:23 org.odftoolkit.simple.style.DefaultStyleHandler getTextPropertiesForRead
INFO: No explicit text properties definition is found!
find
01.03.2012 14:31:23 org.odftoolkit.simple.style.DefaultStyleHandler getTextPropertiesForRead
INFO: No explicit text properties definition is found!
find
exit search
<div class="sp-wrap"><div class="sp-head-wrap"><div class="sp-head folded clickable">"результат когда фэйл"</div></div><div class="sp-body"><div class="sp-content">find
find
find
01.03.2012 14:34:37 org.odftoolkit.simple.style.DefaultStyleHandler getTextPropertiesForRead
INFO: No explicit text properties definition is found!
null
exit search
ну и эклипсовый проект (в нем код, файлы исходные и резалт)
Посмотреть вложение ODF.zip
в билдпаз нужно подключить:
-

Ссылка скрыта от гостей

- и либы отседова (архив)

Ссылка скрыта от гостей

jvm 1.6+ - что означает применимость начиная с 8.5 домины/нотес

lmike · 01.03.2012

забыл - в билдпаз нужно ещё сунуть саму либу

Ссылка скрыта от гостей

akat · 28.04.2012

До кучи:
Extracting data from Domino into PDF using XSLT and XSL:FO

Ссылка скрыта от гостей

lmike · 03.05.2012

как возможность (XAgent) - замечательно, тока (как всегда) буржую забывают о языках отличных от англицкого

akat · 15.05.2012

Еще:
New OpenNTF Project: Export to XLS, RTF, PDF and HTML

Ссылка скрыта от гостей

есть видео

Ссылка скрыта от гостей

lmike · 15.05.2012

я то думал...

а там тока как таблица документ экспортируется (поля в виде таблицы), при создании топика я упирал именно на экпорт форматированного текста

Все сервисы Codeby

Поиск

Поиск

Конвертация и "офисные" форматы

lmike

нет, пердело совершенство

lmike

нет, пердело совершенство

FedeX

lmike

нет, пердело совершенство

FedeX

Вложения

lmike

нет, пердело совершенство

FedeX

lmike

нет, пердело совершенство

lmike

нет, пердело совершенство

akat

lmike

нет, пердело совершенство

akat

lmike

нет, пердело совершенство