[COCOON+Jfor]将FO转换为RTF格式文档

[COCOON+Jfor]将FO转换为RTF格式文档

 
继续阅读之前，我们假设您熟悉以下知识，也可以参考本文后面的附录：

n         Cocoon(Apache组织的XML项目中的八个子项目之一)

n         XSL Formatting Objects (XSL-FO)

n         FOP(Formatting Objects Processor)

n         Jfor(Open-Source Java XSL-FO to RTF converter)

关键词：

cocoon、jfor、xml、xsl-fo

摘要：

对于如何把PDF格式文档转换为Word文档，我们的思路是，能不能这样：PDFàFOàRTF。

     首先，我们来看看如何将FO转换为RTF格式。我们可以让Cocoon+Jfor做到这一点。

概述

我们已经知道利用WH2FO和FOP可以把Word2000文档成功转换为PDF格式文档。

第一步，将Word转换为XSL-FO，具体的OpenSource可以在http://www-uk.hpl.hp.com/people/fabgia/wh2fo/wh2fo.html找到。

第二步，按照http://www-900.ibm.com/developerWorks/cn/xml/x-xslfo2app/index.shtml

的指导，将XSL-Fo转换为PDF。

简单的命令例子：

> java org.apache.fop.apps.Fop everything.fo everything.pdf

或者安装了FOP(http://apache.linuxforum.net/dist/xml/fop/)之后，运行：

fop.cmd sample.fo sample.pdf

即可输出PDF文件。

 

那么现在，我们如何反过来做呢？把PDF文件转换为Word文件。

Microsoft KB上都声称并没有提供直接的方法，他们的建议是，你用Acrobat Reader 5.0打开PDF文件，用Copy Text或者Copy Image命令把所需要的内容粘贴到Word里。还有人声称可以用Acrobat Reader 5.0另存为RTF格式。

HOW TO: Convert Adobe Acrobat Reader (*.pdf) Files in Word 2002 (290927) - This article explains how to convert a Portable Document Format (PDF) document from Adobe Acrobat Reader to Microsoft Word.

PDFàFOàRTF

我们的思路是，能不能这样：PDFàFOàRTF。

首先，我们来看看如何将FO转换为RTF格式。我们可以让Cocoon+Jfor做到这一点：

安装Cocoon：

安装Cocoon相对来说非常简单。分成这么几个步骤：

第一步，安装JDK:

确保你的JDK版本足够高，我的是j2sdk1.4.2_02；之后设置JAVA_HOME为JDK目录，或者运行命令：

Set java_home = F:/j2sdk1.4.2_02

 

第二步，安装cocoon:

下载cocoon 2.1.3：

The latest source distribution (Cocoon 2.1.3): ·         TAR/GZIP format (Unix platforms): cocoon-latest-src.tar.gz ·         ZIP format (Windows platforms): cocoon-latest-src.zip

解压之后，运行cocoon-2.1.3根目录下的build.bat，来编译cocoon：

E:/cocoon-2.1.3>build Using Java from F:/j2sdk1.4.2_02/ Buildfile: build.xml   prepare: +-----------------------------------------------------------+              Apache Cocoon 2.1.3 [1999-2003] +-----------------------------------------------------------+  Building with Apache Ant version 1.5.4 compiled on August 12 2003 … … validate-jars: Copying 1 file to E:/cocoon-2.1.3/build/cocoon-2.1.3/temp   validate-config: Validating configuration files Validating cocoon.xconf using a very basic RELAX NG grammar ...   BUILD SUCCESSFUL Total time: 2 minutes 30 seconds

编译成功之后，我们可以试试看cocoon的效果。

第三步，启动cocoon:

本质上，cocoon还是一个servlet。请运行cocoon-2.1.3根目录下的cocoon.bat，来启动cocoon：

E:/cocoon-2.1.3>cocoon servlet cocoon.bat: using ./build/webapp as the webapp directory

于是乎，就出现了cocoon的运行窗口：

 

让我们试试看效果：打开IE，输入

http://localhost:8888

即可看到：

 

Okay，一切正常。

现在，我们要来试试FOàRTF的转换了。前提是，必须把Jfor的包放入cocoon下。

第四步，安装Jfor到Cocoon:

从Jfor的官方站点

http://www.jfor.org/

下载Jfor二进制包。地址是：

http://prdownloads.sourceforge.net/jfor/jfor-0.7.2rc1.jar?download

 

下载了jfor-0.7.2rc1.jar，把它放在

cocoon-2.1.3/lib/optional

子文件夹下。

 

然后重新build一遍cocoon，步骤同第二步。

再次启动cocoon servlet。

    

第五步，一个XMLàRTF的例子:

在

cocoon-2.1.3/build/webapp/

目录下新建一个文件夹，例如名字就叫“RtfDemo”。

 

建立这么几个文件：

sitemap.xmap

<?xml version="1.0"?>   <!-- CVS $Id: sitemap.xmap,v 1.12 2003/07/29 03:15:47 vgritsenko Exp $ -->   <map:sitemap xmlns:map="http://apache.org/cocoon/sitemap/1.0">   <!-- ================== Views ========================= -->    <map:views>   <map:view name="content" from-label="content">    <map:serialize type="xml"/>   </map:view>     <map:view from-label="content" name="pretty-content">     <map:transform src="context://stylesheets/system/xml2html.xslt"/>     <map:serialize type="html"/>   </map:view>     <map:view name="links" from-position="last">    <map:serialize type="links"/>   </map:view>  </map:views>   <!-- ================ Pipelines ====================== -->    <map:pipelines>   <map:pipeline>   <!-- ================ MyFO2RTF =================== --> <map:match pattern="hello.rtf">        <map:generate src="fo/hello.xml"/>        <map:transform src="fo/page2fo.xsl"/>        <map:serialize type="fo2rtf"/> </map:match> <!-- ================ MyFO2RTF =================== -->     </map:pipeline>  </map:pipelines> </map:sitemap>

 

sitemap.xmap是一个当前站点的配置，非常重要。“map:match”节点指明了如何转换。

 

新建一个子文件夹Fo，其中放置这么两个文件：

hello.xml

<?xml version="1.0" encoding="gb2312"?>   <!-- CVS $Id: hello.xml,v 1.3 2003/05/07 04:57:13 vgritsenko Exp $ --> <page>  <title>BPA！</title>  <content>   <para>美国当地时间11月12日，微软发布了SQL Server 2000的开发支援工具“Best Practices Analyzer（BPA）”。 BPA是一种旨在构筑便于管理的SQL Server应用的工具。不仅可以防止导入SQL Server时遗忘设定等，而且还可以用于数据库的管理。微软从当天起通过该公司的Web站点开始提供该工具的β版。 !</para>  </content> </page>

和

page2fo.xsl

<?xml version="1.0"?>   <!-- CVS $Id: page2fo.xsl,v 1.2 2003/05/07 04:57:13 vgritsenko Exp $ -->   <xsl:stylesheet version="1.0"   xmlns:xsl="http://www.w3.org/1999/XSL/Transform"   xmlns:fo="http://www.w3.org/1999/XSL/Format">     <xsl:template match="/">    <fo:root xmlns:fo="http://www.w3.org/1999/XSL/Format">         <fo:layout-master-set>      <fo:simple-page-master master-name="page"                   page-height="29.7cm"                   page-width="21cm"                   margin-top="1cm"                   margin-bottom="2cm"                   margin-left="2.5cm"                   margin-right="2.5cm">        <fo:region-before extent="3cm"/>        <fo:region-body margin-top="3cm"/>        <fo:region-after extent="1.5cm"/>      </fo:simple-page-master>        <fo:page-sequence-master master-name="all">        <fo:repeatable-page-master-alternatives>         <fo:conditional-page-master-reference master-reference="page" page-position="first"/>        </fo:repeatable-page-master-alternatives>      </fo:page-sequence-master>     </fo:layout-master-set>       <fo:page-sequence master-reference="all">       <fo:static-content flow-name="xsl-region-after">        <fo:block text-align="center"                  font-size="10pt"                 font-family="serif"                 line-height="14pt">page <fo:page-number/></fo:block>       </fo:static-content>         <fo:flow flow-name="xsl-region-body">         <xsl:apply-templates/>       </fo:flow>     </fo:page-sequence>    </fo:root>   </xsl:template>     <xsl:template match="title">     <fo:block font-size="36pt" space-before.optimum="24pt" text-align="center"><xsl:apply-templates/></fo:block>   </xsl:template>     <xsl:template match="para">     <fo:block font-size="12pt" space-before.optimum="12pt" text-align="center"><xsl:apply-templates/></fo:block>   </xsl:template> </xsl:stylesheet>

 

好了，一切准备就绪。

浏览

http://localhost:8888/rtfdemo/hello.rtf

就可以看到RTF版本的输出了，你可以另存为hello.rtf：

 

同时，cocoon的窗口也输出了这个过程：

12:39:40.852 EVENT  Started SocketListener on 0.0.0.0:8888 12:39:40.852 EVENT  Started org.mortbay.jetty.Server@1037c71 jfor.INFO:jfor V0.7.1 - setting up conversion... jfor.INFO:Parsing xsl:fo document... jfor.INFO:Writing out RTF... jfor.INFO:Done converting xsl:fo to RTF. jfor.DEBUG:conversion took 80 milliseconds. jfor.INFO:jfor V0.7.1 - setting up conversion... jfor.INFO:Parsing xsl:fo document...

 

好了，用Cocoon+Jfor这么简单就实现了XMLàRTF。不过，这还是万里长征第一步。

待续。

 

缩略语清单：

Cocoon：

Cocoon是Apache组织的XML项目中的八个子项目之一，根据Apache官方定义，Cocoon是一项XML发布框架。它允许你定义XML文档和文档的转换，并最终生成你所选择的表 示形式，例如HTML, PDF, SVG, VRML等等。另外，Cocoon使你能够在XML文件中加入处理逻辑，从而是XML管 道具备动态的特性。

官方主页：

http://cocoon.apache.org/

 

XSL-FO：

XSL 格式化对象规范是 W3C 的正式建议，通常称其为 XSL-FO，XSL-FO 定义了许多 XML 标记，这些标记描述了应如何显示内容。

XSL-FO 文档定义了制作高质量可打印文档时非常重要的几件事情：

·         有关页面的实际大小的信息（信纸和 A4 等等）

·         有关页边距（顶部、左边、底部和右边）、页眉和页脚和页面其它特性的信息

·         有关文本的字体、字体大小、颜色和其它特征的信息

·         要打印的实际文本，由描述段落、突出显示、表等类似物的元素来标记

研读 W3C 站点（w3.org/TR/xsl）上的 XSL-FO 规范（总共 400 页）。

有关 XSL-FO 的更多一般信息，请访问位于 w3.org/style/xsl/ 的 W3C Style 页面。

XSL-FO详细教程：

http://www-900.ibm.com/developerWorks/cn/cnedu.nsf/xml-onlinecourse-bytitle/3B308072632F949FC8256D320006CA3F?OpenDocument

 

FOP 

FOP (Formatting Objects Processor) 是第一个基于XSL:FO的打印格式处理器，也是第一个与输出无关的格式处理器。它是一个Java程序，能够从对象树中读入然后生成渲染过的页面输出到指定的流。目前支持的输出格式有PDF,PCL,PS,SVG,XML(以树形结构表示),打印机,AWT,MIF和TXT。最主要的输出指的是PDF。

James Tauber － FOP 的最初作者。他开发了该工具的原始版本，而且很大方地开放了该代码，后来又将它移交给 Apache XML Project。

从 xml.apache.org/dist/fop 下载 Apache XML 项目的 FOP 软件包。

 

FO工具

JFOR(Java xsl-FO to Rtf converter)是把依照XSL-FO规范的XML文档转换成RTF(Rich-Text Format)格式， 它的目的与把XSL-FO（通常用XSLT生成）文档转换成PDF（使用FOP或其他类似的工具）相似。

WH2FO及其验证工具FOA的作者是Fabio Giannetti。WH2FO 是一个处理由Word 2000产生的HTML的Java应用程序，并把它们转换成XML内容文件和XSL样式表文件。从这些文件，一个标准的XSLT处理器可能获得只含有XSL-FO标记的fo文件。也可以应用样式表把XML文件转换成HTML，这样做就丢弃了Word额外补充进来的标记。使用XSL-FO Render，比如FOP，能够进一步渲染成PDF。