是否有Word .docx XML標籤的詞彙表？

Question

我試圖創建一個解析器找到一個Word文件.docx的修訂和作者...

我發現document.xml，但有這麼多的標籤！所有這些標籤都代表什麼地方有詞彙表？

我想避免蠻力強迫我通過這種方式，如果可能的話。

Answer 1

"w:ins" denotes what was inserted when trackedchanges are enabled. 
"w:del" denotes what was deleted when trackedchanges are enabled. 
"w:commentRangeStart" denotes the start of a comment 
"w:commentRangeEnd" denotes the end of the comment. 

All text are found inside 
"w:t" tags. 

Answer 2

您可以在Stack Overflow docx tag wiki itself開始收集關於它的信息。

.docx文件（以及其他新的MS Office文件就像.xlsx）use OOXML format

---

特別是：

微軟的Office Open XML WORDPROCESSINGML在 ECMA 376和ISO 29500，大多也是標準化。

你可以得到相關的ECMA標準規範在這裏：http://www.ecma-international.org/news/TC45_current_work/TC45_available_docs.htm

你可能尋找的特定文件可能是Open Office XML, Part 4 : Markup Language Reference

不過，當然......這是巨大的

我強烈建議要找準（5219頁！）你想要的功能，並看看現有的開源庫已經完成了你想做的一些工作。

Answer 3

「Office Open XML」格式及其XML詞彙表在http://www.ecma-international.org/publications/standards/Ecma-376.htm中有詳細描述。

爲了給你一個想法，下面這段XSLT的應該只提取有效的結果文本沒有被跟蹤缺失一個WordprocessingML文檔的，如將word/document.xml下被儲存在一個.docx文件（ZIP文件） 。

<!-- Match and output text spans except when 
    appearing in w:delText child content --> 
<xsl:stylesheet version="1.0" 
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
    xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"> 
    <xsl:output method="text"/> 
    <xsl:template match="w:t"> 
    <xsl:value-of select="."/> 
    </xsl:template> 
    <xsl:template match="w:delText"/> 
    <xsl:template match="*"> 
    <xsl:apply-templates/> 
    </xsl:template> 
</xsl:stylesheet> 

爲你的應用程序中提取的變化相反，你也不得不採取w:ins元素的照顧。

Answer 4

你可以用我docx4j web應用程序，特別是http://webapp.docx4java.org/OnlineDemo/PartsList.html

這樣，您可以點擊標籤，它會帶你到規範相應的定義。