從文檔中識別文本中的顏色

Question

我正在嘗試編寫一個讀取docx文件並檢查某些文本是否有顏色的程序。例如，想象一下如果所有在這句話中加粗的字實際上是以任意顏色寫成的。我希望我的程序能夠認識到，「這句話中的粗體字實際上是用某種任意顏色書寫的」這些詞都是有顏色的。

然後，在識別着色後，我希望能夠根據顏色編輯識別的文​​本。例如，如果上面加粗的文本是紅色的，我想在文本週圍添加「Red>」標籤，同時仍然保留未着色的句子的其餘部分。

我最初使用ZipInputStream和ZipEntry來獲取「word/document.xml」，並且我計劃從那裏拉動文本和顏色，但是我覺得這會在一段時間後變得太混亂。我也嘗試過使用Apache poi，但我不認爲它能夠識別顏色。 Docx4j看起來很有前途，不過。任何想法，建議或示例代碼讓我開始？

Answer 1

字體顏色是一個運行屬性：

<w:r> 
    <w:rPr> 
     <w:color w:val="FF0000"/> 
    </w:rPr> 
    <w:t>red</w:t> 
    </w:r> 

docx4j提供了三種方式做的東西與：通過XPath的

通過TraversalUtil

通過XSLT

我推薦Traversal Util，因爲XPath依賴於JAXB對它的支持，但這並不總是健壯的（至少在Sun/Oracle參考實現中）。

查看finders package的例子使用這個。

但除此之外，您面臨的挑戰是顏色屬性可以通過樣式指定（或者甚至作爲文檔默認值）。如果您想考慮這一點，您需要查看有效的運行屬性（這是docx4j的PDF輸出所做的）。