1

当我在使用 POI 使用 XPath 处理一些文本后保存 docx 文件时，然后我将 ByteArrayOutputStream 传递给新的 ByteArrayInputStream 并将其提供给 dox4j

wordMLPackage = WordprocessingMLPackage.load(
    bis
);

对于我的 4 个模板中的 3 个，这会引发异常：

  org.docx4j.openpackaging.exceptions.InvalidFormatException: Unexpected package (docx4j supports docx/docxm and pptx only
     at org.docx4j.openpackaging.contenttype.ContentTypeManager.createPackage(ContentTypeManager.java:834)

代码看起来像这样：

    /* Return a package of the appropriate type.  Used when loading an existing
 * Package, with an already populated [Content_Types].xml.  When 
 * creating a new Package, start with the new WordprocessingMLPackage constructor. */
public OpcPackage createPackage() throws InvalidFormatException { 

    /*
     * How do we know what type of Package this is?
     * 
     * In principle, either:
     * 
     * 1. We were told its file extension or mime type in the
     * constructor/method parameters, or
     * 
     * 2. Because [Content_Types].xml contains an override for PartName
     * /document.xml of content type
     * application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml
     * 
     * The latter approach is more reliable, so ..
     * 
     */
    OpcPackage p;

    if (getPartNameOverridenByContentType(ContentTypes.WORDPROCESSINGML_DOCUMENT) != null
            || getPartNameOverridenByContentType(ContentTypes.WORDPROCESSINGML_DOCUMENT_MACROENABLED) != null
            || getPartNameOverridenByContentType(ContentTypes.WORDPROCESSINGML_TEMPLATE ) != null
            || getPartNameOverridenByContentType(ContentTypes.WORDPROCESSINGML_TEMPLATE_MACROENABLED) != null ) { 
        log.info("Detected WordProcessingML package ");
        p = new WordprocessingMLPackage(this);
        return p;
    } else if (getPartNameOverridenByContentType(ContentTypes.PRESENTATIONML_MAIN) != null
            || getPartNameOverridenByContentType(ContentTypes.PRESENTATIONML_TEMPLATE) != null
            || getPartNameOverridenByContentType(ContentTypes.PRESENTATIONML_SLIDESHOW) != null) { 
        log.info("Detected PresentationMLPackage package ");
        p = new PresentationMLPackage(this);
        return p;
    } else if (getPartNameOverridenByContentType(ContentTypes.SPREADSHEETML_WORKBOOK) != null
            || getPartNameOverridenByContentType(ContentTypes.SPREADSHEETML_WORKBOOK_MACROENABLED) != null
            || getPartNameOverridenByContentType(ContentTypes.SPREADSHEETML_TEMPLATE) != null
            || getPartNameOverridenByContentType(ContentTypes.SPREADSHEETML_TEMPLATE_MACROENABLED) != null) {
        //  "xlam", "xlsb" ?
        log.info("Detected SpreadhseetMLPackage package ");
        p = new SpreadsheetMLPackage(this);
        return p;

    } else if (getPartNameOverridenByContentType(ContentTypes.DRAWINGML_DIAGRAM_LAYOUT) != null) {
        log.info("Detected Glox file ");
        p = new GloxPackage(this);
        return p;
    } else {
        throw new InvalidFormatException("Unexpected package (docx4j supports docx/docxm and pptx only");
        //return new Package(this);
    }
}

它似乎无法匹配某些特定的内容类型覆盖。在我的起始 docx 模板中有一个 [Content_Types].xml 文件，其中包含：

<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Override PartName="/_rels/.rels"       ContentType="application/vnd.openxmlformats-package.relationships+xml" />
    <Override PartName="/word/fontTable.xml"        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.fontTable+xml" />
    <Override PartName="/word/_rels/document.xml.rels"      ContentType="application/vnd.openxmlformats-package.relationships+xml" />
    <Override PartName="/word/media/image1.wmf"         ContentType="image/x-wmf" />
    <Override PartName="/word/comments.xml"         ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.comments+xml" />
    <Override PartName="/word/numbering.xml"        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.numbering+xml" />
    <Override PartName="/word/footer1.xml"      ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.footer+xml" />
    <Override PartName="/word/document.xml"         ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml" />
    <Override PartName="/word/styles.xml"       ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.styles+xml" />
    <Override PartName="/docProps/app.xml"      ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml" />
    <Override PartName="/docProps/core.xml"         ContentType="application/vnd.openxmlformats-package.core-properties+xml" />
</Types>

使用 POI 处理后，[Content_Types].xml 如下所示：

<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
  <Default Extension="xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>
  <Override PartName="/_rels/.rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>
  <Override PartName="/docProps/app.xml" ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml"/>
  <Override PartName="/docProps/core.xml" ContentType="application/vnd.openxmlformats-package.core-properties+xml"/>
  <Override PartName="/word/_rels/document.xml.rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>
  <Override PartName="/word/comments.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.comments+xml"/>
  <Override PartName="/word/fontTable.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.fontTable+xml"/>
  <Override PartName="/word/footer1.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.footer+xml"/>
  <Override PartName="/word/media/image1.wmf" ContentType="image/x-wmf"/>
  <Override PartName="/word/numbering.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.numbering+xml"/>
  <Override PartName="/word/styles.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.styles+xml"/>
</Types>

请注意，缺少 PartName="/word/document.xml" 的覆盖！

这是没有 word/document.xml 覆盖的可接受文件内容类型文件吗？它在 LibreOffice 中打开，没有任何投诉。docx4j 是否依赖于内容类型中可能不存在的覆盖标签，或者 POI 是否没有为我的某些文件正确编写内容类型（4 个中的 3 个）。

4

1 回答 1

2

披露：我是 docx4j 项目负责人

根据规范，POI 所做的似乎是合法的，但并不理想。

根据 ECMA-376 第 2 部分，“获取部件的内容类型”，当指定 POI 的方式时，docx4j 应该找到 docx 的内容类型。

第 1 部分中的 WordprocessingML 章节，在“包结构”部分中说：

首先，必须定义关系部分和主文档部分（唯一需要的部分）的内容类型（物理位于包中的 /[Content_Types].xml 中）：

<Types
 xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
 &lt;Default Extension="rels"
 ContentType="application/vnd.openxmlformatspackage.
 relationships+xml"/> 
<Override PartName="/document.xml"
 ContentType="application/vnd.openxmlformatsofficedocument.
 wordprocessingml.document.main+xml"/> </Types>

我对此的理解是，您必须定义主文档部分的内容类型（POI 所做的），并且仅提示使用 Override 来执行此操作。

当大多数部分是 .xml 并且需要覆盖以指定不同的东西时，将 .xml 默认值用于匹配一个（或者可能是 2 或 3 个部分）的东西对我来说没有多大意义。我想知道为什么 POI 会这样做——与规范中的建议不同，也与 Word 发出的不同。

也就是说，https://github.com/plutext/docx4j/commit/1c1190fc3a2fc6e191c825a0e30fde2654cc997c应该解决这个问题。

于 2013-02-21T21:29:20.307 回答