我们需要将 RTF 文档的内容作为纯文本获取。
我们为此使用了 RFTEditorKit,但是我们需要处理的许多 RTF 文档包含\headerf或其他标题字段,并且 RTFEditorKit 不解析这些(默默地忽略)。
是否有另一种轻量级的解决方案可以将这些文档解析为纯文本?
RTF 格式非常简单;编写自己的解析器应该不会花很长时间。否则,只需从 JDK 复制源代码并添加对缺失元素的支持(我说复制是因为根据经验,JDK 中的许多有用的类无法扩展)。
[编辑] 为确保这不会成为维护的噩梦,请将源代码复制到 VCS 上的不同项目中。相应地标记版本(这样您就可以在 Java 的下一个版本到来时轻松地将其取出)。
然后创建依赖于第一个项目的第二个项目。分支您的第一个项目并进行扩展原始类所需的所有小更改。保持这些变化很小。例如,将方法和字段设为 public/protected 并删除 final。这样,跟踪更改很简单(因为您从不添加/删除行)。
与下一个版本合并将很容易。所有繁重的工作都必须在您自己的项目中完成。
这可能是您解决方案的一部分:检索纯文本长度的(C++)方法。您可以将字符复制到另一个字符串,而不是增加计数器。
简短翻译:klammern = 括号
int Global::GetRtfPlainLength(const CString str)
{
int klammern = 0;
bool command = false;
int length = 0;
int i = 0;
//TRACE("\n%s\n",str);
while(i < str.GetLength())
{
switch(str[i])
{
case '{':
klammern++;
break;
case '}':
klammern--;
break;
case '\\':
if(!command) // only relevant outside command
{
switch(str[i + 1])
{
case '\'': // special chars: \'XX -> count only 1
i += 3;
length++;
break;
case '{': // escaped parenthesis
case '}':
length++;
i++;
break;
default: // begin of a command
command = true;
i++;
break;
} // switch
}
break;
case ' ':
if(klammern == 1) // inside parenthesis a space is part of the command
{
if(command)
command = false;
else
length++;
}
break;
case 10:
case 13:
break;
default:
if(!command)
length++;
break;
} // switch
i++;
} // while
// some corrections
length += FindCount(str,"\\line ") * 2;
length += FindCount(str,"\\par ") * 2;
return length;
}
HTH 一点。