程序读取txt文件（C++）识别图片语法进行修改

已于 2022-05-23 20:20:12 修改
阅读量1.5k 收藏 2
点赞数
分类专栏： 工具使用 文章标签： C++ UTF-8转GBK Word转markdown ahk脚本 typora
于 2022-04-14 18:14:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43367829/article/details/124174004
版权

1.目的

有这样一篇Word文档我需要转为Markdown语法的格式，乍眼一看，214页，5W多字，有点累，想到了代码实现该问题，但是重复造轮子太麻烦了，我的具体操作步骤如下：
在这里插入图片描述
提出如下需求：

  • 修改图片名
  • 按照一级标题拆分文档，创建多个文档

2.使用Writage工具将文档转为Markdown格式

步骤较为简单，安装后另存为Markdown即可，具体步骤查看该链接
借助Writage，将 Word 转换为 Markdown

3.存在问题

3.1 图片格式问题

在这里插入图片描述

3.1.1 矢量图

作者当时在Word上编写文档时，这些标志都是矢量图，即和原图并不在一块，导致了上述情况的发生，一部分图片无法正常显示，即使显示也将无法到正常的位置，失去了意义。

  • 需求：解决矢量图与原图组合之间的问题
  • 解决：这个问题我还没有找到其他的解决方式，要么通过Word中的组合，或者直接重新截图完成，我重新截图了，没得办法。
    在这里插入图片描述

3.1.2 语法中的图片名

图片中我们可以看出，直接转出来的图片名称应该是随机产生的，这样不利于讲图片上传到服务器，也不方便检索，因此提出新需求。

  • **需求：**按照序号更换markdown图片语法中的名称，并注意图片相互对应
    • 解决：查看4.2节
      在这里插入图片描述

3.2 换行问题

在一些数字和英文前会突然换行，我还不清楚是怎么回事，这个问题手动改吧，起码使用程序解决了一部分问题。
在这里插入图片描述

  • 需求：解决出现的这类断层换行问题。
  • 解决：我感觉这应该是转换程序的bug，核对文档的时候手动更改吧，中文不难的，扫一眼就好。

3.3 无序列表格式部分错误

表现出的状况如下：
在这里插入图片描述
这些源文档中无序列表的符号在转换后的markdown文件中有一部分没有得到识别，应该是原文档中格式有点问题，转换不成功。

  • 需求：更改无序列表转换不成功的问题。
  • 解决：由于问题比较统一，所以这里可以直接复制转换后这个未识别的符号“ ”，使用Word的替换功能，将其替换为“ * ”，即可

3.4 代码无法正常识别转换为代码格式

在这里插入图片描述
虽然原文档中的代码格式很好，很方便识别，但是经过Writage转换后，失去了其较为明显的格式信息，且转换出的文本中也没有明显的标识，无法通过程序来修改（程序无法判断这是代码还是文本）。

  • 需求：代码无法正常识别转换为代码格式
  • 解决：没有特殊规律的问题，这部分情况只能通过手动解决，但是可以通过一些小方法提高下效率。

3.6 Writage软件收费，则试用Pandoc

在这里插入图片描述

4. 文档预处理

4.1 标题等级提高

将现在的一级目录删除，将原先的二级目录提高到一级目录，原先的三级目录提高到二级目录。
在这里插入图片描述

4.2 按照文章顺序获取word图片并批量改名

前面说道我需要让markdown文档中的图片按顺序重新命名，这样就需要更改markdown文档中所有markdown图片语法中图片的路径名称，修改路径名称的问题交给后面的程序去做，这里首先我们需要获取文档中图片的顺序，才可以进行下一步操作。
将源文件的docx后缀名更改为zip后缀，解压到当前目录。
在这里插入图片描述
按照图片步骤进行操作，即可获得符合文章顺序的图片
在这里插入图片描述
获取之后，查看文件名，基本符合要求，但是还需要统一添加一个前缀以防重复。
使用ReNamer工具统一添加前缀
在这里插入图片描述

4.3 md图片语法格式初步处理

在Word生成的Markdown文档中，有时候会出现这样的问题，导出的图片会自带一些属性文本，这一点不利于后续程序的处理，所以这里我们需要将其删除。
在这里插入图片描述
由于"[ ]“符号中间自动生成的文本不统一，但是我们确定它在” ![ "和“ ] ”之间，因此需要找到一款支持通配符替换的软件来完成该操作——Word。
将之前导出的md文件改为txt后缀，方便程序读写，更改完成后，使用Word打开该文件。
在这里插入图片描述
在这里插入图片描述
使用Word打开文件，使用通配符进行替换。
在这里插入图片描述
在查找内容的地方输入：

\!\[*\]

在替换为的地方输入

![]

点击全部替换
在这里插入图片描述
结果显示完成205处替换，恰好我们得到Word中的图片也只有205张，证明所有的图片格式均已经完成替换。

在这里插入图片描述

5. 进度分析

目前已经对由Word导出的markdown文档进行了初步格式修改。
获得目前修改好的txt文档，接下来还有两个事情需要程序来完成。

  • 图片路径统一修改
  • 按照章节拆分文档

6.代码实现

不想看下文的直接下载源码修改下用吧。
源码下载链接：CSDN下载

我这代码写的很乱，够用就行（0.0）

代码使用宏定义分为两步（其实不用也行，当时写程序的时候防止干扰来着），第一步为读取txt文本，更换图片markdown语法中图像的路径。第二步是根据当前的章节名拆分文件，将不同章节分割为不同的md文件保存。
程序只能在Windows下运行，在UTF-8转GBK格式时我调用了Windows的API。程序所使用到的头文件为：

#include <fstream>
#include <string>
#include <iostream> 
#include <sstream>
#include <codecvt>
#include <windows.h>

6.1 代码框架

代码里面注释很详细，就不讲了。
在这里插入图片描述
新建三个文件夹，用来存放输入文件和输出结果。
在这里插入图片描述

6.2 代码——更换内容中图像的路径名

    ifstream InputFile(".\\InputFileStore\\100ASK_STM32MP157_M4_UserMnual_V1.1.1.txt");
    ofstream OutputFile(".\\MedianFileStore\\100ASK_STM32MP157_M4_UserMnual_V1.1.1_PutOut.txt");
    string filename;
    /*
    *因为英文在UTF-8文件中和ASCII文件中的编码是一样的，都只占据1个字符，所以这里使用string也可以
    */
    string CurrentLine;

    if (!InputFile) //读取失败
    {
        cout << "no such file" << endl;
        return -1;
    }
    int ImageCount = 0;

    while (getline(InputFile, CurrentLine)) // line中不包括每行的换行符
    {
        //当前行有图片，就批量更改图片的路径
        if (CurrentLine.find("![") != CurrentLine.npos)
        {
            ImageCount++;

            /*图片路径修改*/
            cout << "当前图像位置：" << ImageCount << endl;
            //进行修改，删除中间的随机字符
            int StartMarkPos = CurrentLine.find("![](") + strlen("![](") - 1;
            cout << "当前图像标识起始坐标位置：" << StartMarkPos << endl;
            int EndMarkPos = CurrentLine.find(".png)") - 1;
            cout << "当前图像标识结束坐标位置：" << EndMarkPos << endl;
            int DifferenceValue = EndMarkPos - StartMarkPos;
            cout << "所需更换字符长度：" << DifferenceValue << endl;

            //目标格式：100ASK_STM32MP157_M4_UserMnual_V1.1.1_image1.png
            //将图像计数的整型变量转换为字符串，使用stringstream类对象来规避预留空间的问题
            string ReplaceCharater = "100ASK_STM32MP157_M4_UserMnual_V1.1.1_image";
            stringstream ImageName;
            ImageName << ReplaceCharater << ImageCount << ".png";
            cout << "当前所更改的图像名：" << ImageName.str() << endl;

            /*得到名字后，也知道标识符的位置了，现在该替换了*/
            CurrentLine.replace(StartMarkPos + 1, EndMarkPos + 1, ImageName.str());
            OutputFile << CurrentLine << endl;

            cout << "********************************************************" << endl;
        }
        else //当前行没有图片，就正常输出
        {
            //正常输出文件
            OutputFile << CurrentLine << endl;
        }
    }
    InputFile.close();
    OutputFile.close();

6.3 代码——拆分章节并保存为md文件

    //C++的标准输出是ANSI的，控制台默认是GB2312的格式输出，这里更换成UTF-8才可以在不乱码地控制台输出章节名，
    // 因为我txt文本的格式是UTF-8,更改控制台输出为UTF-8
    //system("chcp 65001");

    ifstream MedianFile(".\\MedianFileStore\\100ASK_STM32MP157_M4_UserMnual_V1.1.1_PutOut.txt");

    if (!MedianFile) //读取失败
    {
        cout << "no such file" << endl;
        return -1;
    }

    /*string NowLine:读取到的新行，但是新行是UTF-8格式的，在GBK2312控制台输出乱码*/
    string NowLine;

    int OneLevelNumber = 0;
    string CurrentUsedFile = "";
    while (getline(MedianFile, NowLine))        //读到新行，对文本来说就是段落
    {
        /*如果是一级标题，就将后续的行全部放入一个文件中,只在前10个字符中判断当前行是否是首行*/
        /*string LineFirstN:前10个字符中判断是不是标题的标志*/
        string LineFirstN;
        LineFirstN = NowLine.substr(0, 10);
        /*在程序内部通过ofstream去创建文件的话，文件编码是ANSI*/
        ofstream NewChapterFile;

        //如果当前行是新行，就创建新的文件，反之则将正常输出信息到当前文件
        if ((LineFirstN.find("##") == LineFirstN.npos) && (LineFirstN.find("# ") != LineFirstN.npos))
        {
            if (OneLevelNumber != 0)
            {
                //先关闭之前打开的流,章节+1
                NewChapterFile.close();
                OneLevelNumber++;
            }
            else
            {
                OneLevelNumber++;
            }

            cout << "行的数目" << OneLevelNumber << endl;
            /*string ChapterName:UTF-8格式的章节名，直接用来创建文件会乱码，需要转为GBK格式*/
            string ChapterName;
            ChapterName = NowLine.substr(LineFirstN.find("# ") + 2);
            /*需要将读取到的UTF-8代码转为GBK2312*/
            /*string NewCapterFileName:GBK格式的章节名*/
            char* NewChapterName = (char*)ChapterName.data();
            string NewCapterFileName = UTF8ToGBK((const char*)NewChapterName);
            cout << "文件名：" << NewCapterFileName << endl;

            /*string NewFileName:包含文件路径和文件名的变量*/
            stringstream NewFileName;
            NewFileName << ".\\FinalFileStore\\" << NewCapterFileName << ".md";
            CurrentUsedFile.assign(NewFileName.str());
            //创建txt文件，按照章节名命名
            NewChapterFile.open(NewFileName.str());     //	采用默认模式，默认会清空文件内容然后再写入数据
            //创建好了写入文本
            NewChapterFile << NowLine << endl;
        }
        else
        {
            //以追加方式打开之前创建的文件，不清空原有数据
            NewChapterFile.open(CurrentUsedFile, ofstream::app);
            //创建好了写入文本
            NewChapterFile  << NowLine << endl;
        }

    }

6.4 代码——UTF-8格式转GBK

string UTF8ToGBK(const char* strUTF8)
{
    int len = MultiByteToWideChar(CP_UTF8, 0, strUTF8, -1, NULL, 0);
    wchar_t* wszGBK = new wchar_t[len + 1];
    memset(wszGBK, 0, len * 2 + 2);
    MultiByteToWideChar(CP_UTF8, 0, strUTF8, -1, wszGBK, len);
    len = WideCharToMultiByte(CP_ACP, 0, wszGBK, -1, NULL, 0, NULL, NULL);
    char* szGBK = new char[len + 1];
    memset(szGBK, 0, len + 1);
    WideCharToMultiByte(CP_ACP, 0, wszGBK, -1, szGBK, len, NULL, NULL);
    string strTemp(szGBK);
    if (wszGBK) delete[] wszGBK;
    if (szGBK) delete[] szGBK;
    return strTemp;
}

7. 校对工作

在刚开始我们使用Writage工具将Word转为初步的md文件后，还存在以下三个问题。

  • 图片格式问题（程序已解决）
  • 换行问题（未解决）
  • 无序列表格式部分错误（Word替换解决）
  • 代码无法正常识别转换为代码格式 （未解决）

因此目前还需要在校对工作中完成这两部分内容，这部分内容只能手动完成，但是可以提高一点效率。

7.1 typora代码块设置默认语言——快捷键

重新更换代码这一步骤时，常规操作是

  • 输入~~~c
  • 回车
  • 在创建出来的代码块中输入代码

但是这样的话代码多的时候操作比较麻烦，还是快捷键方便，typora默认的代码块快捷键是Ctrl + shift + K，但是！这个键位太远了，而且快捷键创建的代码块中需要手动选择编程语言，更慢了，这会需要做两个事情。

  • 更改代码块创建typora的快捷键
  • 让代码快捷键创建的同时文本输出C，设置默认语言

7.1.1 typora代码块快捷键修改

参考链接：Typora设置代码块快捷键

为了方便一遍修改断行一遍添加代码段，我设置快捷键为"Code Fences": “Ctrl+P”,

7.1.2 ahk脚本设置

  • 下载autohotkey 软件安装：官网下载链接
  • 新建txt，填写下列代码（注意快捷键要和代码快捷键一致，并且在英文模式下才有效），修改后缀为ahk，双击运行
#IfWinActive ahk_exe Typora.exe
{
    ; Ctrl+Alt+K javaCode    
    ; crtl是  ^ , shift是 + , k是  k键
    ^+k::addCodeJava()
}
addCodeJava(){
Send,{```}
Send,{```}
Send,{```}
Send,python
Send,{Enter}
Return
}

7.1.3 校对

接下里就一边修改代码段，一遍删除断行，这一步骤完成后基本也就完事了。

7.2 图像数量校对

7.2.1 当前符号排名

导出的文件（txt或md格式）在word中搜索符号可以得到当前搜索符号的计数，以及当前符号的排序，方便文档核对（Notepad++也可以达到这样的效果，但是只能计总数，不知道当前是第几个）。
在这里插入图片描述

7.2.2 图像数量统计

  • Word/WPS通用方法

打开导航窗格

输入

^g

即可查到当前图片的数目，并能查看到当前图片的序号排名。
在这里插入图片描述

  • 有时候会出现一些矢量图，我知道文档中有，但是我找不到在哪，这会可以使用WPS查看，视图比较方便。点击选择->选择窗格->右侧窗口。

    看到那些矩形、文本框啥的，都是矢量图，截图合并吧，不然在解压出来的media文件夹中出现的emf格式图片就是这些东西，一点用都没有，还浪费序号。
    在这里插入图片描述

我想养只汤姆猫
关注
专栏目录
C++读取TXT文件识别特定内容修改
04-14
由于近期需要将一份Word文档转到Markdown格式，但是文件内容较大，自动转换工具转换不能完全满足我的要求，存在问题如下：导出的图片名乱码，一部分换行存在问题。 针对图片名乱码的问题，由于word中的图片拥有一定的顺序，所以根据该顺序对导出的md文件中图片语法识别进行更换合适的文件名。 其次，由于我需要将该文件根据章节进行拆分，这部分的内容程序也已经完成， 程序中实现了UTF-8格式转GBK格式，使用stream对TXT进行读取并识别，获取到需要的信息后对信息进行更改，最后依据一级标题对文件进行拆分。
txt读取程序
04-20
自动读取制定目录中的文件内容，转发到服务器数据库保存
C++图像识别、图像识别接口、ocr api
最新发布
weixin_41711744的博客
08-16 392
OCR API可以通过上传图像来进行整个图文信息的分析与了解，能够自动调整图像角度（90度翻转，180度，270度），并且自动去噪平滑图像、板块的相关划分以及文字的全面切割。根据不同的文字内容，提取各项特征信息，进行模式的匹配识别。如果您在找工作并且在找内容审核编辑的工作，那么不难发现，快手在全国多个招聘网站发布了关于“内容审核编辑”岗位的招聘信息，据悉，此次的“内容审核编辑”岗位招聘的规模达3000人。技术，可以自动识别出图像内容，一些不良信息可以很快的被筛选出来，最大程度的节约了相关工作人员的工作量。
读取打开txt文件程序
01-05
读取打开txt文件程序,应用seek函数,Line Input #函数,EOF函数(VB6.0源代码编写) seek函数 Line Input #函数 EOF函数
C/C++修改文本文件
XQQ524148626的专栏
04-24 2102
mmap是linux下的CreateFileMapping，用来映射并同步文件。这样的话，比如我自定义一种文件格式，把它写入到文件中，现在想修改其中的值，就可以用这个函数，把文件映射到内存中然后用操作数组的方式，来进行文件的同步。如果不用这个函数就得：1、定义一个结构体2、定义结构体数组3、读取文件（w+）4、修改文件5、写回文件 如果用这个函数，就不需要那么麻烦了：1、定义结构体2、定义结构
C++读取中文txt文件，并对文件指定内容进行检测和修改
欢迎一起成长呀
06-10 1715
编写一个程序，每次运行会对txt内容进行修改，具体修改如下：有效性：0变为有效性：1，有效性：1变为有效性：0
c++读取ini文件封装类
10-23
在C++编程中，处理配置文件是常见的任务，而INI文件由于其简洁的结构和易于理解的格式，常被用于存储应用程序的配置信息。本文将详细介绍如何使用C++封装一个读取INI文件的类，以及相关的核心知识点。 首先，我们...
cord.zip_c++车牌处理_图片识别_识别_识别车牌号_车牌号识别
07-14
本项目“cord.zip_c++车牌处理_图片识别_识别_识别车牌号_车牌号识别”显然聚焦于利用C++语言实现车牌号码的自动识别功能。下面将详细介绍这个项目可能涉及的关键知识点。 1. **C++编程基础**：作为实现车牌识别的...
基于C++实现的语法分析
07-24
在进行语法分析时，我们需要识别关键字、标识符、运算符、常量、变量声明、函数定义等各种元素。 接着，我们可能会采用自底向上的解析策略，如LL(k)或LR(k)解析，或者自顶向下的LL(*)解析。这些方法涉及到预测分析...
基于C++编写一个 LL（1）语法分析程序【100013122】
07-28
8. **测试与调试**：编写完成后，你需要为各种可能的输入编写测试用例，确保解析器能正确处理合法的输入并识别语法错误。调试是这个过程中不可或缺的一部分。 9. **文件“word”**：这个文件可能是词法分析后的单词...
C++修改文本
weixin_53922439的博客
07-27 1043
c++对文件的操作（学习补充中）
一个简单的txt编辑程序
05-25
很好用的一个小程序 简单实用 要得配一请联系我 哈哈
程序编程.txt
09-17
自己学习的一些笔记，更新新的一些学习内容，自己按照介绍，教学视屏，老师授课，同学讨论，共同协作编写项目，和其他人交流，就好比如这次编写微信小程序，（不懂的就上网搜索，）自己学习的同时，也要关注同学们的进度，用了什么，编写出来了什么，看别人怎么写的，自己也是要记住一些方法，明白自己不懂什么。就有方向的去学习。学习如逆水行舟，不进则退，这句话我不理解。每天积累一点点，不积跬步无以至千里。还是要去碰一下，爱的魔力转圈圈。
程序(2).txt
10-20
基于duinod的避障小车代码，参加过机器人大赛，修改便捷
txt 文本复制小程序
07-06
用MFC写的 课程设计，可以实现在两个txt中复制 内容
判断几种图片文件头的c++代码
11-02
用二进制方式读取文件头，与gif,bmp,jpg的文件头比较，从而判断文件类型
python读取txt文件
daxiawudi的博客
04-26 436
如何读取文件内容？ file = open('致橡树.txt', 'r', encoding='utf-8') print(file.read()) file.close() 按行读取 import time file = open('致橡树.txt', 'r', encoding='utf-8') for line in file: print(line, end='') time.sleep(0.5) file.close() file = open('致橡树.txt', 'r',
C++ 对txt文档进行编辑
hdfinder的博客
10-11 1763
#include<iostream> using namespace std; #include<stdio.h> FILE* stream; //定义一个文件 类型的 指针变量 ，以便接下来对文件 操作 errno_t err; //定义一个 errno_t类型的变量，以便监视读取文件操作（open）是否成功（ err=0 / err=2） int main() { ...
C++对于txt文件特定列进行数据处理
weixin_42198664的博客
10-24 1727
使用C++对于txt文档的特定列数据进行处理 最近写了一个作业，作业内容如下： 第一个任务点：用C语言读取上述4个文件，并将每个文件中的第1列，第3列和最后一列对齐后打印显示出来 txt的内容如下： 思路如下： 第二个任务点：分别对class1-4.txt四个文本文件中所有的列，依次求取每一列的均值和标准差，并打印输出。如果需要计算出每一列数字的方差，需要对于每一列的数字进行计算并输出。 #include <stdio.h> #include <stdlib.h> #inclu
C++程序设计：如何判断二进制文件读取到末尾
在C++编程中，处理文件时，经常需要判断是否已经读取到文件的末尾。在给定的描述中，涉及了一个基本的二进制文件读取流程。这里，我们将详细讨论如何在C++中判断二进制文件是否已读到文件尾，以及相关的文件操作和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值