教你用十行node.js代码读取docx的文本


Posted in Javascript onMarch 08, 2017

前言

最近有一个case。需要去解析word文档。有两个需求,一个是将word文档转成PDF,一个是将word文档中的内容按照一定的规范读取到数据库中,去npm仓库找了大概有十几个包,发现主要是通过以下的方式来转换代码。

  1. 通过调用系统底层程序(比如说office)的API来转换;
  2. 通过模板,替换数据来实现生成PDF;
  3. 通过有些免费将word转成PDF的网站来实现将word转成PDF,比如docx-to-pdf;

后来退而求其次,想通过先将docx转成文字,发现了个textract的包。

当然也有缺点,不支持docx中的标题号,不支持图片等文件。

不怕死的我决定自己干这件事情。

介绍

其实docx就是一个zip包,然后封装了一些xml文件。可以直接将docx的包改后缀为.zip来打开观看。

教你用十行node.js代码读取docx的文本

进入word文件夹

教你用十行node.js代码读取docx的文本

里面有几个主要的文件。

  1. document.xml 这个就是文档的主要内容
  2. numbering.xml 这个就是标题号,以及标题号的一些属性
  3. styles.xml 这个就是样式列表

打开document.xml 你就会发现,所有的文本都是用 <w:t>标签包着的。这个就是本文的关键

代码

首先,需要通过npm安装一个能查看zip文件的包:adm-zip;

然后,写下下列代码即可

const fs = require("fs");
const AdmZip = require('adm-zip'); //引入查看zip文件的包
const zip = new AdmZip(filePath); //filePath为文件路径
let contentXml = zip.readAsText("word/document.xml");//将document.xml读取为text内容;
let str = "";
contentXml .match(/<w:t>[\s\S]*?<\/w:t>/ig).forEach((item)=>{
str += item.slice(5,-6)});
fs.writeFile("./2.txt",str,(err)=>{//将./2.txt替换为你要输出的文件路径
if(err)throw err;
});

最近正在用node.js去解析docx的工作。先将最简单的写在上面。回头有空再继续分享

最新更新

之前随手写的代码,今天测试发现用更新后的代码比源代码的效率提升十倍以上。

//原代码
//str += item.replace("<w:t>","").replace("</w:t>","");
//更新代码
str += item.slice(5,-6)

附上测试代码

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: 20.560ms

console.time("replactest2");
arr.forEach((item)=>{
 item.replace(/<\/*w:t>/g,"");
});
console.timeEnd("replactest2");
//replactest2: 14.926ms

console.time("replactest3");
arr.forEach((item)=>{
 item.replace(/(^<w:t>)|(<\/w:t>$)/g,"");
});
console.timeEnd("replactest3");
//replactest3: 14.402ms

console.time("slice");
arr.forEach((item)=>{
 item.slice(5,-6);
});
console.timeEnd("slice");
//slice: 1.718ms

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家学习或者使用node.js能带来一定的帮助,如果有疑问大家可以留言交流。

Javascript 相关文章推荐
CSS JavaScript 实现菜单功能 改进版
Dec 09 Javascript
利用js制作html table分页示例(js实现分页)
Apr 25 Javascript
详解jquery中$.ajax方法提交表单
Nov 03 Javascript
详谈jQuery中的this和$(this)
Nov 13 Javascript
基于JavaScript实现鼠标向下滑动加载div的代码
Aug 31 Javascript
javascript 中设置window.location.href跳转无效问题解决办法
Feb 09 Javascript
数组Array的排序sort方法
Feb 17 Javascript
bootstrap Table插件使用demo
Aug 07 Javascript
JavaScript实现与使用发布/订阅模式详解
Jan 19 Javascript
Vue和React组件之间的传值方式详解
Jan 31 Javascript
使用 vue 实现灭霸打响指英雄消失的效果附demo
May 06 Javascript
解决vue admin element noCache设置无效的问题
Nov 12 Javascript
jQuery插件zTree实现获取一级节点数据的方法
Mar 08 #Javascript
JS正则表达式验证账号、手机号、电话和邮箱是否合法
Mar 08 #Javascript
原生js实现放大镜特效
Mar 08 #Javascript
jQuery插件zTree实现清空选中第一个节点所有子节点的方法
Mar 08 #Javascript
正则 js分转元带千分符号详解
Mar 08 #Javascript
@ResponseBody 和 @RequestBody 注解的区别
Mar 08 #Javascript
js/jq仿window文件夹框选操作插件
Mar 08 #Javascript
You might like
php 字符过滤类,用于过滤各类用户输入的数据
2009/05/27 PHP
php判断正常访问和外部访问的示例
2014/02/10 PHP
php实现无限级分类(递归方法)
2015/08/06 PHP
php实现批量删除挂马文件及批量替换页面内容完整实例
2016/07/08 PHP
CentOS系统中PHP安装扩展的方式汇总
2017/04/09 PHP
jQuery 使用手册(一)
2009/09/23 Javascript
javascript 设置某DIV区域内的checkbox复选框
2009/11/30 Javascript
jquery 元素相对定位代码
2010/10/15 Javascript
JavaScript面向对象知识串结(读JavaScript高级程序设计(第三版))
2012/07/17 Javascript
javascript如何创建表格(javascript绘制表格的二种方法)
2013/12/10 Javascript
iframe如何动态创建及释放其所占内存
2014/09/03 Javascript
Node.js node-schedule定时任务隔多少分钟执行一次的方法
2015/02/10 Javascript
浅析AngularJS中的生命周期和延迟处理
2015/06/18 Javascript
Jquery和JS获取ul中li标签的实现方法
2016/06/02 Javascript
Vue.JS入门教程之列表渲染
2016/12/01 Javascript
用jQuery旋转插件jqueryrotate制作转盘抽奖
2017/02/10 Javascript
Vue.js进行查询操作的实例详解
2017/08/25 Javascript
微信小程序使用Socket的实例
2017/09/19 Javascript
深入浅析vue组件间事件传递
2017/12/29 Javascript
Vue2.X 通过AJAX动态更新数据
2018/07/17 Javascript
vue v-for出来的列表,点击某个li使得当前被点击的li字体变红操作
2020/07/17 Javascript
Vue 解决通过this.$refs来获取DOM或者组件报错问题
2020/07/28 Javascript
vue.js+element 默认提示中英文操作
2020/11/11 Javascript
Vue指令实现OutClick的示例
2020/11/16 Javascript
[54:47]Liquid vs VP Supermajor决赛 BO 第五场 6.10
2018/07/05 DOTA
跟老齐学Python之模块的加载
2014/10/24 Python
浅谈Python中的私有变量
2018/02/28 Python
python 3.7.4 安装 opencv的教程
2019/10/10 Python
手把手教你从PyCharm安装到激活(最新激活码),亲测有效可激活至2089年
2020/11/25 Python
html5桌面通知(Web Notifications)实例解析
2014/07/07 HTML / CSS
不同浏览器创建XMLHttpRequest方法有什么不同
2014/11/17 面试题
中学生差生评语
2014/01/30 职场文书
弘扬雷锋精神活动演讲稿
2014/03/04 职场文书
学位证书委托书
2014/09/30 职场文书
中学生旷课检讨书2篇
2014/10/09 职场文书
CSS实现渐变色边框(Gradient borders)的5种方法
2022/03/25 HTML / CSS