前段时间做过一个纯前端解析.docx文件的需求,只需要解析文件的内容展示在页面上即可,需求听上去还挺简单的,然而我还是踩了到了巨坑。
前端解析工具
- mammath
从各个网站上搜到了不少的解析方法,这里我发现了mammoth,这个插件功能还是很强大的,结合H5和mammoth,很快我就写下了一个解析docx文件的方法:
function parseStandFile(file){ var reader = new FileReader(); reader.onloadend = function(event) { var arrayBuffer = reader.result; mammoth.extractRawText({arrayBuffer: arrayBuffer}).then(function (resultObject) { $result.innerHTML = resultObject.value console.log(resultObject.value) }) }; reader.readAsArrayBuffer(file); }
ps: $result:文档文本显示的dom节点
到这一步,还是很顺利的,自己创建一个docx文件,上传展示都很顺利,然而,当我拿来客户的文件,上手操作的时候,发现解析出来竟让是一片空白(unbelievable)!!!
于是我又企图从茫茫互联网中获取答案,然而一无所获sad。但是在查找的过程中发现docx文件压缩之后能看到文件的构成,于是我压缩了目标文件,发现文件目录如下:
当我打开docProps/app.xml:
发现客户文件里的压缩文件跟我的似乎不太一样,可能是客户用的word版本跟我的不太一样之类的原因吧,然而需求还是要实现的,这时我发现压缩文件夹下面的word/document.xml里存放的就是docx文件的内容,所以我的思路是先解压docx文件这个小妖精,然后找包含内容的文件,最后进行xml文件的匹配解析
- JSZip
很容易在网上就能找到js解压缩的工具,对比了几个之后,我决定使用JSZip,使用方式也很简单,官网打开一目了然。于是我很快就写好了又一个解析方法:
JSZip.loadAsync($file.files[0]) //获取文件 .then(function(zip) { let standalone zip.forEach(function (relativePath, zipEntry){ parsePOIFile($file.files[0]) //解析文件内容,考虑兼容问题,单独写一个方法 }) function parsePOIFile(file){ JSZip.loadAsync(file) .then(function(zip) { var str = '' zip.forEach(function (relativePath, zipEntry) { if(zipEntry.name==='word/document.xml'){ //目标文件document zip.file(relativePath).async("string").then(function (data) { data.match(/<w:t>[\s\S]*?<\/w:t>/ig).forEach((item)=>{ str += item.slice(5,-6) }); //以上match方式参考某网友,不记得是哪个blog了 $result.innerHTML = str }); } }); }, function (e) { $result.append($("<div>", { "class" : "alert alert-danger", text : "Error reading " + file.name + ": " + e.message })); }); }
至此,客户文件就成功解析了。
然而,我发现,用我自己的office创建的文件,就不能解析了(土拨鼠的咆哮),毕竟两个文件内容不一样,于是我决定也兼容一下我的版本(强迫症使我劳累)
在代码zip.file(relativePath).async("string").then(function (data)
中,我打印出来data寻找他们的区别,发现两种文件的docProps/core.xml内容,有这个明显的区别:
我决定获取该节点的standarlone
属性,先获取到core.xml,然后执行不同的解析方法:
if(zipEntry.name==='docProps/core.xml'){ zip.file(relativePath).async("string").then(function (data) { let parser=new DOMParser(); xmlDoc=parser.parseFromString(data,"text/xml"); standalone = xmlDoc.getElementsByTagName("cp:coreProperties")[0].getAttribute("xmlns:dcmitype") if(standalone){ parseStandFile(file) //解析标准文件 } else { parsePOIFile(file) } }) }
终于,两个文件都能成功解析了,心里非常有成就感,感悟就是:要从事物的本质思考问题(扶眼镜.jpg)