CN109829139A - 一种doc/docx格式的流式文件转换成ofd格式的版式文件的方法和装置 - Google Patents

Abstract

本发明涉及一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法和装置。该方法的步骤包括：通过流式排版引擎生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；通过PDF转换引擎将生成的流式文档内存模型转换成PDF文档内存模型；采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型；利用生成的OFD文档内存模型输出OFD文档。本发明可以直接将DOC/DOCX流式文档转换为OFD版式文档，转换后的OFD版式文档既符合版式文件标准又能保持DOC/DOCX流式文档的原版样式。

Description

一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的 方法和装置

技术领域

本发明属于计算机领域，涉及一种文档转化方法，尤其涉及一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法和装置。

背景技术

DOC/DOCX是一种流式文档格式，是目前应用最为广泛的流式文档格式，也是日常工作中大多数第一手文件的格式。许多历史遗留文件也多为DOC/DOCX格式。

OFD是一种版式文档格式，全称为开放式版式文档(Open Fixed-layoutDOCument)，是国家版式文档格式规范。版式文档是电子文件应用的一个重要门类，是常用的基础办公软件之一。其具有原版原式的呈现特点，即阅读显示与印刷效果一致，真实地保持了文档产生之初的文字、图表、色彩等版式信息,具有高保真的显示和打印效果。

国家标准于2017年5月1日开始实施，未来电子公文、电子发票等都将以OFD格式的版式文件存在。DOC/DOCX格式流式文件转换OFD格式的版式文件的应用需求将空前扩大。

目前市面上缺少公开免费的转换工具，转换技术不成熟也成为急需解决的问题。有关OFD格式转换的公开研究成果很少，并且多是由PDF版式文档格式转换成OFD格式，不能直接对应用最广泛的DOC/DOCX流式文档格式进行转换。

虽然DOC以及OFD文件相关标准已经开放，但由于流式文件缺少相应坐标信息，很难直接转换为OFD版式文件。

一般的流式文件转版式文件的方法，往往采用内置的规则或语法，难以灵活修改，不能适用于DOC/DOCX多变的结构，算法封闭不开放。

综上，一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法，势在必行，显得尤为重要。

发明内容

针对目前尚未发现流式文件直接转化为OFD版式文件的工具和流式文件缺少相应坐标信息的问题，本方法首先将流式文件转化为具有坐标信息的PDF版式文件，再将PDF版式文件转化为OFD版式文件。采用本方法后，保证了DOC/DOCX流式文件成功转换为OFD版式文件。

本发明所采用的技术方案是：

一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法，包括以下步骤：通过流式排版引擎，生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

通过PDF转换引擎，将生成的流式文档内存模型转换成PDF文档内存模型；

采用文档解析排版技术，将生成的PDF文档内存模型转换为OFD文档内存模型；

利用生成的OFD文档内存模型输出OFD文档，通知用户转换结果。

进一步地，所述流式排版引擎将内存中的流式文档导入到进程地址空间中，将流式文档切入到流式文档内存模型，以便于对流式文档的处理。

进一步地，所述PDF转换引擎利用PDF虚拟打印机技术将流式文档内存模型转化为PDF文档内存模型。

进一步地，所述采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型，包括：

1)以对象为基本单位，利用PDF解析器对PDF文档内存模型进行解析得到其对应的抽象语法树；

2)通过先序遍历抽象语法树得到PDF文档中包含的对象及相关信息，创建空白xml文件，将PDF对象及信息写入到xml文件；

3)导入对应的OFD文档的标准规范配置信息，将xml文件压缩生成OFD文档内存模型。

进一步地，将OFD文档内存模型压缩后保存于一个电子文件的物理包中，从而转化为OFD版式文档的可见图元。

进一步地，将OFD文档内存模型打包后以ZIP格式进行压缩，从而转换为大纲互操作和带附件的OFD结构版式文档。

与上面方法对应地，本发明还提供一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的装置，其包括：

流式排版引擎模块，负责生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

PDF转换引擎模块，负责将生成的流式文档内存模型转换成PDF文档内存模型；

文档解析排版模块，负责将生成的PDF文档内存模型转换为OFD文档内存模型；

OFD文档输出模块，负责利用生成的OFD文档内存模型输出OFD文档。

本发明还提供一种计算机，其包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行上面所述方法中各步骤的指令。

本发明有益效果为：采用方案后，一是可以直接将DOC/DOCX流式文档转换为OFD版式文档；二是转换后的OFD版式文档既符合版式文件标准又能保持DOC/DOCX流式文档的原版样式。

附图说明

图1为DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法的流程图。

图2为DOC/DOCX格式的流式文档内存模型转换成PDF文档内存模型的流程图。

图3为PDF文档内存模型转换成OFD文档内存模型的流程图。

图4为PDF文档内存模型解析后生成的抽象语法树示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明的DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法的具体实施方式作详细描述。

参考图1，图1为DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法的流程图，主要包括如下步骤：

步骤S1：用户操作待转换的流式文档。启用特定的程序文件，调用处理线程对待转换文件进行转换处理。

步骤S2：启动流式排版引擎，将待转换的流式文档生成对应的流式文档内存模型；

为保证核心信息不变以及后期处理的便捷，采用流式排版引擎将内存中的流式文档导入到进程地址空间中，将流式文档切入到流式文档内存模型，便于对流式文档的处理。

所述“流式文档内存模型”是指在进程地址空间里存储的流式文档信息。

步骤S3：启动PDF转换引擎，生成PDF文档内存模型；

所述PDF转换引擎利用现有PDF虚拟打印机技术将流式文档内存模型转化为PDF文档内存模型，如图2所示。

使用虚拟打印技术的具体流程如下:

1)通过设备驱动程序包来对打印机的驱动进行程序编写。

2)梳理打印所需要关联的接口信息，通过调用程序来实现相关的接口驱动安装。

3)将设置好的接口信息对应具体的业务信息，进行链路和逻辑链接，并验证业务逻辑层面的可行性，生成可以进行打印的文档信息。

4)将上面生成的新文档信息与虚拟打印机进行连接，并进行文档推送。

所述“PDF文档内存模型”是指在进程地址空间里存储的PDF文档信息。

步骤S4：采用文档解析排版技术，将上述PDF文档内存模型转换为OFD文档内存模型；文档解析排版技术的关键职能是对PDF文档内存模型进行拆分、解析。

具体流程如如图3所示，包括：

1)以对象为基本单位，利用PDF解析器对PDF文档内存模型进行解析得到其对应的抽象语法树(Abstract Syntax Tree)。

2)通过先序遍历抽象语法树得到PDF文档中包含的对象及相关信息。创建空白xml文件，将PDF对象及信息写入到xml文件。

3)导入对应的OFD文档的标准规范配置信息。将xml文件压缩生成OFD文档内存模型。

所述“抽象语法树”是指将PDF文档内存模型中的对象和对象信息以树的形式表示，如图4所示。

PDF的对象包括目录对象，大纲对象，和页面组对象。目录对象是PDF文档的根对象，包含着大纲和页面组对象；对象信息包括：1)文本的内容、字体、字号、位置坐标等，2)图片内容的分辨率、图片色域、通道、图层信息、存储格式、图片位置、透明度等，3)表格内容的表头、表格样式、表格内容、表格内包含的前述文本信息等，4)几何图形内容信息包括：矢量几何内容的数学描述、颜色、位置、图层信息、透明度、存储格式，非矢量几何内容的前述图片内容信息。5)字体内容的字体名称、字体文件等。

所述“OFD”文档的标准规范配置信息是指：Document.xml、OFD.xml、PublicRes.xml等信息。

所述“OFD文档内存模型”是指在进程地址空间里存储的OFD文档信息。

步骤S5：将上述OFD文档内存模型输出OFD文档，通知用户转换结果。

本实施例经过前几个步骤的转换设置，文档已经从流式模型彻底转换成了OFD文档内存模型；最后采用打包压缩的方式导出OFD版式文档。

本实施例实现的文档转换可以有两种模式：一是转化为OFD版式文档的可见图元，二是转换为大纲互操作和带附件的OFD结构版式文档。

将OFD文档内存模型压缩后保存于一个电子文件的物理包中，可实现转化为OFD版式文档的可见图元；将OFD文档内存模型打包后以ZIP格式进行压缩，可将其转换为大纲互操作和带附件的OFD结构版式文档。

本发明的DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法，可以实现不同操作系统平台间DOC/DOCX流式文档到OFD版式文档的便捷转换，其中的文字、标记、图片、表格的式样、大小、位置均和原文档完全一致。

本发明另一实施例提供一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的装置，其包括：

流式排版引擎模块，负责生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

PDF转换引擎模块，负责将生成的流式文档内存模型转换成PDF文档内存模型；

文档解析排版模块，负责将生成的PDF文档内存模型转换为OFD文档内存模型；

OFD文档输出模块，负责利用生成的OFD文档内存模型输出OFD文档。

本发明另一实施例提供一种计算机，其包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行上面所述方法中各步骤的指令。

应当理解的是上述实施方式描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法，其特征在于，包括以下步骤：

通过流式排版引擎生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

通过PDF转换引擎将生成的流式文档内存模型转换成PDF文档内存模型；

采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型；

利用生成的OFD文档内存模型输出OFD文档。

2.根据权利要求1所述的方法，其特征在于，所述流式排版引擎将内存中的流式文档导入到进程地址空间中，将流式文档切入到流式文档内存模型，以便于对流式文档的处理。

3.根据权利要求1所述的方法，其特征在于，所述PDF转换引擎利用PDF虚拟打印机技术将流式文档内存模型转化为PDF文档内存模型。

4.根据权利要求1所述的方法，其特征在于，所述PDF虚拟打印机技术包括：

1)通过设备驱动程序包来对打印机的驱动进行程序编写；

2)梳理打印所需要关联的接口信息，通过调用程序来实现相关的接口驱动安装；

3)将设置好的接口信息对应具体的业务信息，进行链路和逻辑链接，并验证业务逻辑层面的可行性，生成可以进行打印的文档信息；

4)将生成的文档信息与虚拟打印机进行连接，并进行文档推送。

5.根据权利要求1所述的方法，其特征在于，所述采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型，包括：

1)以对象为基本单位，利用PDF解析器对PDF文档内存模型进行解析得到其对应的抽象语法树；

2)通过先序遍历抽象语法树得到PDF文档中包含的对象及相关信息，创建空白xml文件，将PDF对象及信息写入到xml文件；

3)导入对应的OFD文档的标准规范配置信息，将xml文件压缩生成OFD文档内存模型。

6.根据权利要求4所述的方法，其特征在于，所述PDF对象包括目录对象、大纲对象和页面组对象；所述PDF对象的信息包括下列中的一种或多种：

a)文本信息，包括文本的内容、字体、字号、位置坐标；

b)图片内容信息，包括图片内容的分辨率、图片色域、通道、图层信息、存储格式、图片位置、透明度；

d)表格内容信息，包括表格内容的表头、表格样式、表格内容、表格内包含的a)所述的文本信息；

e)几何图形内容信息，包括：矢量几何内容的数学描述、颜色、位置、图层信息、透明度、存储格式，非矢量几何内容的b)所述的图片内容信息；

f)字体内容的字体名称、字体文件。

7.根据权利要求1所述的方法，其特征在于，将OFD文档内存模型压缩后保存于一个电子文件的物理包中，从而转化为OFD版式文档的可见图元。

8.根据权利要求1所述的方法，其特征在于，将OFD文档内存模型打包后以ZIP格式进行压缩，从而转换为大纲互操作和带附件的OFD结构版式文档。

9.一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的装置，其特征在于，包括：

流式排版引擎模块，负责生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

PDF转换引擎模块，负责将生成的流式文档内存模型转换成PDF文档内存模型；

文档解析排版模块，负责将生成的PDF文档内存模型转换为OFD文档内存模型；

OFD文档输出模块，负责利用生成的OFD文档内存模型输出OFD文档。

10.一种计算机，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1至8中任一权利要求所述方法中各步骤的指令。