一位客户要求我为他正在运行的 web 应用程序构建一个模块，该模块可以加载 docx 文件并根据文档中的标题提取数据。我知道 docx 只是一个 zip 文件，我需要的大部分内容都可以在 word/document.xml 中找到，尽管我不期待解析列表/样式/图像/表格以及其他需要翻译的内容OOXML 到 HTML。
有这种格式的 PHP 库吗？不过，我确实需要某种灵活性：只是一个 OOXML 到 HTML 转换器并不能解决它，我需要将文档分成几部分。
问问题
5701 次
4 回答
4
如果是纯docx，可以试试phpdocx ……不知道是读还是只写。PHPWord还没有读，只能写（虽然我正在研究它）。
如果您只需要属性信息，那么您可以在 zip 中的 /docProps/core.xml 文件中找到所有信息（可能在 /docProps/app.xml 中，具体取决于您需要的属性），因此您可以绕过大多数包含文本、样式、图像等的文件。为了验证文件名，[Content_Types].xml 将核心和应用程序属性文件的文件名保存为 application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.main+ xml 和 application/vnd.openxmlformats-officedocument.extended-properties+xml
编辑： 如果您需要标题，那么您将需要解析文档，而不仅仅是属性。这将意味着识别标题样式，并为具有这些样式的实体解析文本。
于 2010-06-30T07:49:57.173 回答
2
OpenTBS可以使用模板技术读取和修改 PHP 中的 DOCX（和其他 OpenXML 文件）文档。无需临时文件，无需命令行，全部在 PHP 中。
但如果您只需要读取 DOCX 文件的一部分，则可以使用TbsZip类。它可以读取 zip 存档（与任何 OpenXML 文件一样，DOCX 是一个主要包含 XML 文件的 zip 存档）。
在 DOCX 文件中，页眉和页脚子文件通常是“/word/header1.xml”和“/word/footer1.xml”。它们仅在定义了页眉/页脚时才存在。奇数页也可能有一对可选的 XML 子文件（通常是“/word/header2.xml”和“/word/footer2.xml”）。第一页还有一对可选的子文件（通常是“/word/header3.xml”和“/word/footer3.xml”）。
于 2011-03-31T22:59:24.873 回答
2
Codeplex 有许多可以处理 MS Office 文档的库：
除了PHPExcel，我不知道那些项目有多成熟。如果没有什么可以帮助您，您仍然可以使用DOM。
于 2010-06-30T07:47:48.037 回答
0
您也可以使用这个库https://poi.apache.org/ 并通过 php java bridge http://php-java-bridge.sourceforge.net/pjb/连接它们 - 安装一个 tomcat 服务器 - 将 java bridge 放在webapps 文件夹并添加 poi 库 - 然后您可以使用此库来提取标题样式。API 有据可查，您有很多选择。执行此操作的 PHP 库会更好，但如果它适用于您或其他人，您可以尝试这种方法
于 2015-08-25T14:56:52.733 回答