Extract Content Between Nodes in a Document
وعند العمل مع الوثائق، من المهم أن يكون بالإمكان بسهولة استخراج المحتوى من نطاق محدد في وثيقة ما. غير أن المحتوى قد يتألف من عناصر معقدة مثل الفقرات والجداول والصور وما إلى ذلك.
وبغض النظر عن ما يلزم استخلاصه من المحتوى، فإن طريقة استخراج ذلك المحتوى ستحدد دائماً باختيار العقدات لاستخراج المحتوى فيما بينها. هذه يمكن أن تكون كل الهيئات النصية أو الرسائل البسيطة
وهناك العديد من الحالات الممكنة، ومن ثم العديد من أنواع العقيدات المختلفة التي ينبغي النظر فيها عند استخراج المحتوى. على سبيل المثال، قد ترغب في استخراج المحتوى بين:
- فقرتان محددتان
- عدد محدد من النصوص
- حقول من مختلف الأنواع، مثل الحقول الدمجية
- بدء ونطاقات نهاية كتاب أو تعليق
- مختلف هيئات النص الواردة في فروع منفصلة
وفي بعض الحالات، قد تحتاجون حتى إلى الجمع بين مختلف أنواع العقيدات، مثل استخراج المحتوى بين فقرة والحقل، أو بين الركض وعلامة الكتاب.
وتنص هذه المادة على تنفيذ المدونة لاستخراج النص بين مختلف العُدد، وكذلك أمثلة للسيناريوهات المشتركة.
لماذا الخلاص
وغالبا ما يكون الهدف من استخراج المحتوى هو تكراره أو إنقاذه بصورة منفصلة في وثيقة جديدة. على سبيل المثال، يمكنك استخراج المحتوى و:
- نسخه في وثيقة منفصلة
- تحويل جزء محدد من وثيقة إلى PDF أو صورة
- تكرار محتوى الوثيقة مرات عديدة
- العمل بمحتوى مستخرج منفصل عن بقية الوثيقة
ويمكن تحقيق ذلك بسهولة باستخدام Aspose.Words وتنفيذ المدونة أدناه.
Extractent Algorithm
ويعالج الرمز الوارد في هذا الفرع جميع الحالات الممكنة الموصوفة أعلاه بطريقة عامة وقابلة لإعادة الاستخدام. ويشمل المخطط العام لهذه التقنية ما يلي:
1 جمع العقد الذي يملي مجال المحتوى الذي سيستخرج من وثيقتك إسترجاع هذه العقدة يُعالج بواسطة المُستخدم في شفرتها، بناءً على ما يُريدون استخراجه. 1 تمرير هذه العقد إلى ExtractContent الطريقة الواردة أدناه. يجب عليك أيضاً أن تمر بمسبار بوليان الذي ينص على ما إذا كان يجب أن تُدرَج هذه العقدة، كعلامات، في الإستخراج أم لا 1 Retrieving a list of cloned content (copied nodes) specified to be extracted. ويمكنك استخدام هذه القائمة من العقيدات بأي شكل من الأشكال، على سبيل المثال، إنشاء وثيقة جديدة تتضمن المحتوى المختار فقط.
كيفية استخراج المحتوى
وسنعمل مع الوثيقة الواردة أدناه في هذه المادة. كما تراه يحتوي على مجموعة متنوعة من المحتوى كما أن الوثيقة تتضمن فرعا ثانيا يبدأ في منتصف الصفحة الأولى. وترد أيضا في الوثيقة علامة كتابية وتعليقات غير مرئية في الشاشة الواردة أدناه.
لاستخراج المحتوى من وثيقتك يجب أن تتصلي ExtractContent طريقة أسفل وتجاوز المعايير المناسبة.
The underlying basis of this method involves finding block-level nodes (paragraphs and tables) and cloning them to create similar copies. وإذا ما انقضت عقدة العلامات على مستوى الكتل، فإن الطريقة قادرة على مجرد نسخ المحتوى على ذلك المستوى وإضافته إلى الصفيفة.
غير أنه إذا كانت شواهد العلامة مثبتة (طفل فقرة) فإن الحالة تصبح أكثر تعقيداً، إذ من الضروري تقسيم الفقرة في العقدة الداخلية، سواء كانت كذلك، أو في حقول علامة الكتاب، وما إلى ذلك. وقد أُزيلت محتويات العقد المستنسخ للوالدين غير الحاضرين بين العلامات. وتُستخدم هذه العملية لضمان أن تظل المعاهد الخطية تحتفظ بصيغة الفقرة الأصلية.
وستجري هذه الطريقة أيضاً فحصاً على العقد الذي تم إقراره كبارامترات، وتستثنى من ذلك إذا كان العقد غير صحيح. أما البارامترات التي يتعين نقلها إلى هذه الطريقة فهي:
1 StartNode و EndNode. والبارامترات الأولى هي العقد الذي يحدد أين يبدأ استخراج المحتوى وينتهي على التوالي. يمكن أن تكون هذه الأنهار على مستوى الكتلParagraph .. Table أو المستوى الداخلي (مثلاً) Run .. FieldStart .. BookmarkStart وما إلى ذلك:
-
To pass a field you should pass the corresponding FieldStart هدف
-
To pass bookmarks, the BookmarkStart و BookmarkEnd لا بدّ أن تُغمّر العقد. 1 - إبداء التعليقات، CommentRangeStart و CommentRangeEnd وينبغي استخدام العقد. 1 IsInclusive. يحدد ما إذا كانت العلامات مشمولة في الاستخراج أم لا. إذا كان هذا الخيار جاهزاً false ونفس العقد أو العقد المتتالي، ثم تعاد قائمة فارغة:
- If a FieldStart وبعد ذلك يحدد هذا الخيار ما إذا كان ينبغي إدراج الحقل بأكمله أو استبعاده.
- If a BookmarkStart أو BookmarkEnd وقد تم إقرار العقد، وهذا الخيار يحدد ما إذا كانت العلامة الكتابية مشمولة أو مجرد المحتوى بين نطاق العلامات الكتابية.
- If a CommentRangeStart أو CommentRangeEnd ويُرفض هذا الخيار إذا كان ينبغي إدراج التعليق نفسه أو مجرد مضمونه في نطاق التعليق.
تنفيذ ExtractContent الطريقة التي يمكن أن تجد هنا. وسيشار إلى هذه الطريقة في السيناريوهات الواردة في هذه المادة.
وسوف نحدد أيضا طريقة عرفية لتوليد وثيقة بسهولة من العهود المستخرجة. وتُستخدم هذه الطريقة في العديد من السيناريوهات الواردة أدناه وتُنشئ ببساطة وثيقة جديدة وتستورد المحتوى المستخرج منها.
ويبين المثال الرمزي التالي كيفية أخذ قائمة بالمرشحين وإدراجها في وثيقة جديدة:
Extract Content Between Paragraphs
ويبين ذلك كيفية استخدام الطريقة المذكورة أعلاه لاستخراج المحتوى بين فقرات محددة. وفي هذه الحالة، نود أن نستخلص من الرسالة التي عثر عليها في النصف الأول من الوثيقة. ويمكننا أن نقول إن هذا بين الفقرتين السابعة والحادية عشرة.
الرمز الوارد أدناه ينجز هذه المهمة تستخرج الفقرات المناسبة باستخدام getChild أسلوب الوثيقة وإصدار الأرقام القياسية المحددة. ثمّ نَمْرُّ هذه العقدِ إلى ExtractContent الطريقة والقول بأن هذه يجب أن تدرج في عملية الاستخراج. وستعيد هذه الطريقة المحتوى المنسخ بين هذه العقدات التي تدرج بعد ذلك في وثيقة جديدة.
ويبين المثال الرمزي التالي كيفية استخراج المحتوى بين فقرات محددة باستخدام ExtractContent الطريقة الواردة أعلاه:
وتتضمن وثيقة الناتج الفقرتين اللتين استخرجتا.
Extract Content Between Different Types of Nodes
يمكننا أن نستخرج المحتوى بين أي تركيبات من مستوى الكتل أو الأنهار الداخلية وفي هذا السيناريو الوارد أدناه، سنستخلص المضمون بين الفقرة الأولى والجدول في الفرع الثاني بصورة شاملة. نحن نحصل على علامات ملصقات عن طريق الاتصال getFirstParagraph و getChild طريقة استرجاع الجزء الثاني من الوثيقة Paragraph و Table المشنقة وبدلا من ذلك، فإن هناك تغييرا طفيفا في هذا الصدد، مما يسمح بتكرار المحتوى وإدراجه تحت الأصل.
ويبين المثال الرمزي التالي كيفية استخلاص المحتوى بين فقرة وجدول باستخدام ExtractContent الطريقة:
والمضمون بين الفقرة والجدول مكرر أدناه هو النتيجة.
Extract Content Between Paragraphs استنادا إلى نمط
قد تحتاج إلى استخلاص المحتوى بين فقرات من نفس الطريقة أو مختلفة، مثل ما بين الفقرات المميزة بأساليب العناوين.
والرمز الوارد أدناه يبين كيفية تحقيق ذلك. وهو مثال بسيط يستخرج المحتوى بين أول درجة من أسلوبي " القيادة ١ " و " الرأس ٣ " دون انتزاع العناوين أيضا. لنفعل هذا لقد وضعنا آخر بارامتر false, التي تنص على أنه لا ينبغي إدراج العقد.
In a proper implementation, this should be run in a cycle to extract content between all paragraphs of these fashions from the document. المحتوى المستخرج مستنسخ في وثيقة جديدة
ويبيّن المثال الرمزي التالي كيفية استخراج المحتوى بين الفقرات ذات الأنماط المحددة باستخدام ExtractContent الطريقة:
وفيما يلي نتيجة العملية السابقة.
Extract Content Between Specific Runs
يمكنك الحصول على المحتوى بين العواميد الداخلية مثل Run كذلك Runs ويمكن اعتماد الفقرات المختلفة كعلامات. ويبيّن الرمز الوارد أدناه كيفية استخلاص نص محدد في الموقع نفسه. Paragraph موكب
ويبيّن المثال الرمزي التالي كيفية استخراج المحتوى بين مسارات محددة من نفس الفقرة باستخدام ExtractContent الطريقة:
النص المستخرج معروض على الكولونيل
معارضة باستخدام حقل
لإستخدام الحقل كعلامة FieldStart لا بد من أن يُغمى عليها آخر بارامتر إلى ExtractContent وسوف تحدد الطريقة ما إذا كان ينبغي إدراج الحقل بأكمله أم لا. دعونا نستخلص المضمون بين ميدان " فلينام " ونبذة في الوثيقة. نحن نستخدم [moveToMergeField](https://reference.aspose.com/words/java/com.aspose.words/documentbuilder/#moveToMergeField(java.lang.String)طريقة DocumentBuilder الصف هذا سيعيد FieldStart موكب من اسم الميدان المدمج مر به
وفي حالتنا دعونا نحدد آخر البارامترات التي انتقلت إلى ExtractContent طريقة false لاستبعاد الحقل من الاستخراج سوف نرسل المحتوى المستخرج لـ PDF
ويبيّن المثال الرمزي التالي كيفية استخلاص المحتوى بين ميدان محدد والفقرة الواردة في الوثيقة باستخدام ExtractContent الطريقة:
The extracted content between the field and paragraph, without the field and paragraph marker nodes rendered to PDF.
مقتطف من علامة كتاب
وفي وثيقة ما، يلخص المحتوى الذي يُعرَّف في علامة كتابية ما BookmarkStart “و “بوكماركيند المحتوى الذي وجد بين هذين العقدين هو علامة الكتاب يمكنك أن تعبر أياً من هذه العقدات كأي علامة، حتى تلك من علامات كتاب مختلفة، طالما أن علامة البداية تظهر قبل علامة النهاية في الوثيقة.
وفي وثيقة العينة لدينا علامة كتاب واحدة، تسمى " بوكمارك 1 “. ويرد في وثيقتنا ما يلي:
وسوف نستخرج هذا المحتوى في وثيقة جديدة تستخدم الرمز أدناه. The IsInclusive ويبين خيار البارامترات كيفية الاحتفاظ بعلامة الكتاب أو التخلص منها.
ويبيّن المثال الرمزي التالي كيفية استخراج المحتوى المشار إليه علامة كتاب باستخدام ExtractContent الطريقة:
الناتج المستخرج مع IsInclusive مجموعة البارامترات true. وستحتفظ النسخة بعلامة الكتاب أيضا.
الناتج المستخرج مع IsInclusive مجموعة البارامترات false. النسخة تحتوي على المحتوى لكن بدون علامة الكتاب
مقتطف من التعليق
ويرد في التعليق على التعليق، والتعليق، والتعليق. كل هذه الأكواد مصممة ويلخص العقدان الأولان المضمون الوارد في الوثيقة المشار إليه في التعليق، على النحو المبين في التصويب أدناه.
The Comment الشعار نفسه هو InlineStory التي يمكن أن تحتوي على فقرات وركضات. وهو يمثل رسالة التعليق التي يُنظر إليها على أنها فقاعة تعليق في مقصورة الاستعراض. بما أن هذا العقد مُخطّط و سفاح لجسد يمكنك أيضاً استخراج المحتوى من داخل هذه الرسالة أيضاً
وفي وثيقتنا، لدينا تعليق واحد. فلنعرضه بالظهور في جدول الاستعراض:
ويلخص التعليق العنوان والفقرة الأولى والجدول في الفرع الثاني. ولنستخلص هذا التعليق في وثيقة جديدة. The IsInclusive ويقضي الخيار بالاحتفاظ بالتعليق نفسه أو التخلي عنه.
ويبين المثال الرمزي التالي ما يلي:
أولا، الناتج المستخرج مع IsInclusive مجموعة البارامترات true. وستتضمن النسخة التعليق أيضا.
ثانيا، الناتج المستخرج مع غير شامل المجموعة false. The copy contains the content but without the comment.
Extract Content using DocumentVisitor
Aspose.Words لا يمكن استخدامها فقط لخلق Microsoft Word (ب) الوثائق عن طريق بناء نماذج دينامية أو دمجها مع البيانات، ولكن أيضاً من أجل فرز الوثائق من أجل استخلاص عناصر وثيقة منفصلة مثل المرشدين والقدماء والفقرات والجداول والصور وغيرها. وتتمثل مهمة ممكنة أخرى في إيجاد جميع نصوص أشكال أو أسلوب محدد.
استخدام DocumentVisitor درجة لتنفيذ سيناريو الاستخدام هذا هذا الفصل يطابق نمط تصميم الزائرين المعروف جيداً مع DocumentVisitorيمكنك تحديد وتنفيذ العمليات العرفية التي تتطلب عدلاً على شجرة الوثائق
DocumentVisitor يوفر مجموعة من VisitXXX الطرائق التي يُحتج بها عندما يُصادف عنصر معين من عناصر الوثائق (المعيار). على سبيل المثال، VisitParagraphStart يُستدعى عندما يُعثر على بداية فقرة نصية، VisitParagraphEnd يُستدعى عندما يُعثر على نهاية النص. كل واحد DocumentVisitor.VisitXXX الطريقة تقبل الجسم المقابل الذي تصادفه حتى تتمكن من استخدامه حسب الحاجة (يقال استرجاع الشكل) VisitParagraphStart و VisitParagraphEnd قبول Paragraph هدف
كل واحد DocumentVisitor.VisitXXX طريقة العودة(أ) VisitorAction القيمة التي تتحكم في عد الأنهار يمكنك أن تطلب إما أن تستمر في العد أو أن تتخطى العقد الحالي (ولكن أن تستمر في العد) أو أن تتوقف عن عد العقد
وهذه هي الخطوات التي ينبغي أن تتبعها لتحديد واستخراج مختلف أجزاء الوثيقة من الناحية البرنامجية:
- إنشاء طبقة مستمدة من DocumentVisitor.
- تجاوز وتنفيذ بعض أو كل DocumentVisitor.VisitXXX أساليب للقيام ببعض العمليات المعتادة -اتصل Node.accept على العقد من حيث تريد أن تبدأ العد على سبيل المثال، إذا كنت ترغب في تعداد كامل الوثيقة، استخدام accept(DocumentVisitor).
DocumentVisitor توفير عمليات التنفيذ الافتراضي لجميع DocumentVisitor.VisitXXX طرق This makes it easier to create new document visitors as only the methods required for the particular visitor need to be overridden. وليس من الضروري تجاوز جميع أساليب الزوار.
ويبين المثال التالي كيفية استخدام نمط الزوار لإضافة عمليات جديدة إلى Aspose.Words نموذج الجسم. وفي هذه الحالة، ننشئ محولا بسيطا للوثائق في شكل نص:
نص مقتطف فقط
وفيما يلي طرق استرجاع النص من الوثيقة:
- استخدام Document.save مع SaveFormat ليحفظ كنص عادي في ملف أو تيار
- استخدام Node.toString ويمرر
SaveFormat.Textالبارامترات وداخلياً، يُحتج بهذا الأمر إلا نصاً في مجرى الذاكرة ويعيد الخيط الناتج - استخدام Node.getText لاسترجاع النص مع الجميع Microsoft Word سمات الرقابة بما في ذلك الرموز الميدانية
- تنفيذ العرف DocumentVisitor القيام بعمليات استخراج مصممة حسب الطلب
استخدام Node.GetText و Node.ToString
ألف ويمكن أن تتضمن الوثيقة الوردية سمات تحكم تحدد عناصر خاصة مثل الميدان، ونهاية الخلية، ونهاية الفرع، وما إلى ذلك. The full list of possible Word control characters is defined in the ControlChar الصف The GetText الطريقة تعيد النص مع كل شخصيات التحكم الموجودة في العقد
ودعوة " توسترينغ " إلى إعادة النص الواضح للوثيقة دون أن يكون لها طابع السيطرة. وللاطلاع على مزيد من المعلومات بشأن التصدير بوصفه نصاً سهلاً، انظر Using SaveFormat.Text.
المثال الرمزي التالي يبين الفرق بين تسمية GetText و ToString الأساليب على العقد:
استخدام SaveFormat.Text
ويحتفظ هذا المثال بالوثيقة على النحو التالي:
- فرز الشخصيات الميدانية والرموز الميدانية والشكل والحاشية والملاحظة
- يستعاض عن نهاية الفقرة ControlChar.Cr الشخصيات مع ControlChar.CrLf التركيبات
- استخدام زينة يو تي 8
The following code example shows how to save a document in TXT format:
مقتطفات من أشبال
قد تحتاج إلى استخراج صور وثائقية لأداء بعض المهام. Aspose.Words يسمح لك بفعل هذا أيضاً
ويبين المثال الرمزي التالي كيفية استخراج الصور من الوثيقة: