poi处理word内容的公式_Office中数学公式用Java解析

公司正在做教育类产品，在遇到数学公式时，我们一般会使用latex表达式来做保存和渲染。

在其中一个项目上，遇到一个需求是要从office文档(Word或Excel)中导入题目内容至数据库，题目内容中就有可能包括数学公式，而在文档中编辑希望使用office的公式插件来写公式元素。

其实公司之前的产品已经使用.net实现过此功能，不过现在公司全面转型Java，我们也要研究出一个适用Java的解决方案。

office文档中的公式编辑器

mathtype插件

mathtype是一个第三方的数学公式插件，它能在Office文档中启用编辑，并生成一个带有公式矢量图的ole对象插入到文档中。

原来.net的方案就是使用此种方式，使用mathtype提供的c#库包来解析ole对象，抽取LaTeX表达式。

但在纯Java环境下就无法做到了。

office自带公式编辑器

从2007版开始，Office也自带了一个公式编辑器。

在2007版中Word与Excel之间不同的是，前者插入的公式对象是Office MathML节点，后者插入的还是ole。

到了2010版开始，两个产品的公式编辑器插入的都是Office MathML节点了，但是两者对公式对象中的默认文字编码处理不同。

这些不同点可以看出就算同样属于Office的产品，他们之间也是有很多不统一的地方。

公式表达式

LaTeX

LaTeX是一种基于ΤΕΧ的排版系统，它非常适用于生成高印刷质量的科技和数学类文档。

例如勾股定理用LaTeX表达：

a^{2}+b^{2}=c^{2}

常用的LaTeX渲染组件是MathJax。

我们在项目中使用的便是LaTeX，所以本次研究就是如何将Office中的公式对象转换成LaTeX表达式。

Mathml

全称为数学标记语言(Mathematical Markup Language)，是一种基于XML的标准，用来在互联网上书写数学符号和公式的置标语言。

例如一个表达式：

n

p

-

1

≡

1

(

mod

p

)

Office MathML (OMML)

<