如何識別和不讀取 Docx4j 中的域代碼？

Question

要從對象獲取文本，目前我正在使用：

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

obj 通常是 Run，但實際上可以是任何東西。 我在讀取域代碼時遇到了一個問題，例如：

 " PAGE   \* MERGEFORMAT "

當我真的想忽略它時。 有沒有一種方法可以檢測到運行中的文本何時是字段代碼並忽略它？

謝謝

Answer 1

您可以在運行 TextUtils.extractText 之前預處理字段。

可以想象一個小實用程序，您可以為每個字段類型配置一個小實用程序，無論您是希望完全刪除它，還是只保留結果（可能先更新它）。

docx4j 現在不包括這個，所以下面我勾勒出所涉及的內容。

請注意，有兩種類型的字段：簡單和復雜； 進一步查看http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/XML.html

docx4j中有簡單到復雜的轉換代碼； 見https://github.com/plutext/docx4j/blob/master/docx4j-core/src/main/java/org/docx4j/model/fields/FieldsPreprocessor.java

一旦您的字段處於“復雜”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，您可以刪除它們，只保留結果（即“分離”和“結束”之間的位）。

docx4j 創建的表示實際上比上面的示例更容易使用； 見https://github.com/plutext/docx4j/blob/master/docx4j-core/src/main/java/org/docx4j/model/fields/FieldRef.java

請注意，有很多不同的字段，請參閱http://webapp.docx4java.org/OnlineDemo/ecma376/WordML/file_2.html

您會想知道您的文檔中有哪些，以及您想如何處理它們。 例如，您可能希望完全刪除 PAGE 字段； 但是 MERGEFIELD 您可能希望保留結果。 如果您需要先更新它，請參閱https://github.com/plutext/docx4j/blob/master/docx4j-samples-docx4j/src/main/java/org/docx4j/samples/FieldsMailMerge.java

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

就這么簡單，因為此時 XML 處於一種已知的可預測模式中。

有關 DOCPROPERTY 和 DOCVARIABLE 字段處理示例，請參閱https://github.com/plutext/docx4j/blob/master/docx4j-samples-docx4j/src/main/java/org/docx4j/samples/FieldUpdaterExample.java