以xml格式保存Word文檔

Question

我試圖將一個Word文件保存為xml格式，並在解析后對該XML文件執行一些操作。

我在Word文檔中擁有的數據被分成不同的標簽。

例

如果我的Word文檔中有$ date，它將$和date分成兩個標簽.tlyadd也分為tly和add兩個標簽，而tlyabcd保留在一個標簽中。

在另一個文檔中，這些值沒有分成不同的標簽。

我不明白這些值是在什么基礎上放入不同的標記中。

我在msdn上的xml字詞格式中找不到任何內容。

有人可以解釋為什么以及在什么基礎上進行解釋。

這是包含這些值的文檔

讓我知道是否不清楚，需要更多說明

Answer 1

您不應對文本是一次運行還是多次運行做出任何假設。 沒有規則限制可以拆分文本的情況。

就是說，有很多事情會迫使您的文本在運行中分開：

• 拼寫/語法檢查（可能與$ date一起發生），您可以將其關閉
• 格式化，例如，如果單詞的一半是粗體
• 修訂（不同人在不同時間更改文檔-rsid）
• 變更追蹤等

您可以/應該預處理文檔以加入運行。 參見例如docx4j的VariablePrepare.java