手把手教你解析xml格式的word文档-附代码

1 背景

dom4j，Jdom，w3c dom解析xml文档时速度比较慢，因此选择自己写代码解析xml文档。

2 思路

首先，对xml文件进行分析，熟悉标签；

然后，切分文档为不同的块。我们要对文档中的书签进行替换，因此需要将文档切分为书签块和非书签块；

还有就是表格中行的循环，比如当前取出的数据是一个list，我们需要根据list的大小来生成表格中的行数，并对此表格中的书签进行数据替换（如下图），此时，需要将文档进切分为“循环的行块”和非行块。

除此之外，还有需删除的行块，表示该行需要删除，一般用循环的行在合并单元格之后的表格设计上。

最后，对文档中切分好的块进行文档构建。

优化：边切分边写入，减少内存的使用

3 编码

3.1 块切分器

（1）书签切分器BookmarkCutter

（2）行切分器RowBookmarkCutter

（3）不需处理的书签块（skipCutter）

 （4）删除切分器

（5）整个表格循环切分器

 3.2 构件xml文档

文档切分完成后，分别对不同的块中的进行写入，构件成一个完整的文档。

其中最主要的写入是“书签块的写入”，由于书签块分为“头”“尾”“身体”，身体里包含“文字块”和“非文字”块，书签替换时只需将数据替换到第一个文字块中即可，之后的文字块忽略不计（因为替换的文字很难选择文字块中的某一块的样式，所以选择取第一个文字块的样式）

附上代码：https://download.csdn.net/download/u013984781/10593416