如何识别和不读取 Docx4j 中的域代码？

Question

要从对象获取文本，目前我正在使用：

String someText = TextUtils.extractText(obj, stringWriter);

obj 通常是 Run，但实际上可以是任何东西。 我在读取域代码时遇到了一个问题，例如：

 " PAGE   \* MERGEFORMAT "

当我真的想忽略它时。 有没有一种方法可以检测到运行中的文本何时是字段代码并忽略它？

谢谢

Answer 1

您可以在运行 TextUtils.extractText 之前预处理字段。

可以想象一个小实用程序，您可以为每个字段类型配置一个小实用程序，无论您是希望完全删除它，还是只保留结果（可能先更新它）。

docx4j 现在不包括这个，所以下面我勾勒出所涉及的内容。

请注意，有两种类型的字段：简单和复杂； 进一步查看http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/XML.html

docx4j中有简单到复杂的转换代码； 见https://github.com/plutext/docx4j/blob/master/docx4j-core/src/main/java/org/docx4j/model/fields/FieldsPreprocessor.java

一旦您的字段处于“复杂”形式，例如：

<w:r>
  <w:fldChar w:fldCharType="begin"/>
</w:r>

<w:r>
  <w:instrText xml:space="preserve"> DATE </w:instrText>
</w:r>

<w:r>
  <w:fldChar w:fldCharType="separate"/>
</w:r>

<w:r>
  <w:t>12/31/2005</w:t>
</w:r>

<w:r>
  <w:fldChar w:fldCharType="end"/>
</w:r>

如果需要，您可以删除它们，只保留结果（即“分离”和“结束”之间的位）。

docx4j 创建的表示实际上比上面的示例更容易使用； 见https://github.com/plutext/docx4j/blob/master/docx4j-core/src/main/java/org/docx4j/model/fields/FieldRef.java

请注意，有很多不同的字段，请参阅http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/file_2.html

您会想知道您的文档中有哪些，以及您想如何处理它们。 例如，您可能希望完全删除 PAGE 字段； 但是 MERGEFIELD 您可能希望保留结果。 如果您需要先更新它，请参阅https://github.com/plutext/docx4j/blob/master/docx4j-samples-docx4j/src/main/java/org/docx4j/samples/FieldsMailMerge.java

以下是 MAILMERGE 案例中保留结果的方式： https : //github.com/plutext/docx4j/blob/master/docx4j-core/src/main/java/org/docx4j/model/fields/merge/MailMerger .java#L590

就这么简单，因为此时 XML 处于一种已知的可预测模式中。

有关 DOCPROPERTY 和 DOCVARIABLE 字段处理示例，请参阅https://github.com/plutext/docx4j/blob/master/docx4j-samples-docx4j/src/main/java/org/docx4j/samples/FieldUpdaterExample.java