Витягувати зміст між нотами в документі

При роботі з документами важливо легко витягти вміст з певного діапазону в документі. Однак зміст може складатися з складних елементів, таких як абзаци, таблиці, зображення тощо.

Незалежно від того, який вміст повинен бути вилучений, метод вилучення, який вміст завжди буде визначатися, за допомогою яких вузлів вибираються для отримання вмісту між. Це можуть бути всі текстові органи або прості текстові рядки.

Існує безліч можливих ситуацій і тому багато різних типів вузлів для розгляду при вилучення вмісту. Наприклад, ви можете вилучити вміст:

• Два специфічних абзаців
• Специфічні траси тексту
• Поля різних типів, таких як об’єднання полів
• Старт і кінцеві діапазони закладки або коментаря
• Різні органи тексту, що містяться в окремих розділах

У деяких ситуаціях, можливо, навіть потрібно об’єднати різні типи вузлів, такі як вилучення вмісту між абзацу і поле, або між забігом і закладкою.

Дана стаття забезпечує виконання коду для вилучення тексту між різними вузлами, а також прикладами поширених сценаріїв.

Ці приклади є лише кількома демонстраціями багатьох можливостей. Ми плануємо функціональність текстового видобутку, щоб бути частиною громадськості API в майбутньому, і не потрібно додаткового коду. У той же час відчуйте свої запити щодо цього функціоналу Aspose.Words Новиний

Чому Екстракт вмісту

Часто мета вилучення змісту полягає в тому, щоб дублювати або зберегти його окремо в новому документі. Наприклад, ви можете отримати вміст і:

• Скопіювати його в окремий документ
• Перетворення певної частини документа в PDF або зображення
• Дублікат вмісту в документі багато разів
• Робота з вилученим контентом окремо від решти документа

Це може бути легко досягнуто за допомогою Aspose.Words і виконання коду нижче.

Вилучення вмісту алгоритму

Введіть номер мобільного, який Ви вказали при укладаннi договору з банком - для ідентифікації. Загальний контур цієї техніки передбачає:

1,1 км Зберігаючи вершини, які диктують область змісту, який буде вилучений з вашого документа. Зняття цих вузлів здійснюється Користувачем у своєму коді, на основі чого вони хочуть бути вилучені. 1,1 км Передача цих вузлів до ExtractContent метод, передбачений нижче. Ви також повинні пройти boolean параметр, який стверджує, чи є ці вершини, діють як маркери, повинні бути включені до видобутку або ні. 1,1 км Відновлення списку клонованого вмісту (копійованих вузлів), зазначених для вилучення. Ви можете використовувати цей список вузлів в будь-який зручний спосіб, наприклад, створення нового документа, що містить тільки обраний вміст.

Як отримати контент

Ми будемо працювати з документом нижче в цій статті. Як ви можете побачити його в різних форматах. Також зауважити, що документ містить другий розділ, що починається в середині першої сторінки. Закладка і коментар також присутні в документі, але не видно на скріншоті нижче.

Щоб витягти вміст з вашого документа, потрібно викликати ExtractContent метод нижче і пропускають відповідні параметри.

Основою даного методу передбачається знаходження вузлів блочного рівня (паграфів і столів) і клонування їх створювати ідентичні копії. Якщо передані маркерні вузли блокуються, то метод здатний просто копіювати вміст на цьому рівні і додати його в масив.

Тим не менш, якщо маркерні вузли знаходяться в лінії (на дитину абзацу), то ситуація стає більш складною, так як необхідно розбити абзацу в інлайн-вузлі, бути її забігом, закладками тощо. Контент у клонованих материнських вузлах не присутній між маркерами. Цей процес використовується для того, щоб вбудовані вузли ще зберігали форматування батьківського абзацу.

Метод також буде виконувати перевірки на вузлах, що пропускаються як параметри і кидає виключення, якщо або вузол недійсний. Параметри, які будуть передані в цей метод:

1,1 км StartNode і EndNodeй Першими двома параметрами є вершини, які визначають, де вилучення змісту є починати і закінчуватися відповідно. Ці вершини можуть бути як рівні блоків (Paragraph й Table ) або рівень inline (наприклад, Run й FieldStart й BookmarkStart т.д.):

1. Щоб передати поле, необхідно пройти відповідне FieldStart об’єкт.

2. Пропустити закладки, BookmarkStart і BookmarkEnd вузли повинні бути передані.

3. Пропустити коментарі, CommentRangeStart і CommentRangeEnd повинні бути використані вузли. 1,1 км IsInclusiveй Захищаючи, якщо маркери включені в видобуток або ні. Якщо цей варіант встановлюється false і ті ж вершини або послідовні вузли пропускаються, після чого буде повернеться порожній список:

   1. Якщо FieldStart Після того, як цей параметр визначає, якщо вся поле буде включена або виключена.
   2. Якщо BookmarkStart або BookmarkEnd вузол пропускається, цей варіант визначає, якщо закладка включена або просто вміст між діапазоном закладок.
   3. Якщо CommentRangeStart або CommentRangeEnd Якщо сам коментар буде включений або просто вміст в діапазоні коментарів.

Реалізація реалізації ExtractContent метод можна знайти Головнай Цей метод буде зазначений у сценаріїв цієї статті.

Ми також визначаємо користувальницький метод, щоб легко створити документ з вилучених вузлів. Цей метод використовується в багатьох сценаріях нижче і просто створює новий документ і імпорт вилучення вмісту в нього.

Приклад коду показує, як взяти список вузлів і вставити їх в новий документ:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
public static Document generateDocument(Document srcDoc, ArrayList<Node> nodes) throws Exception
{
    Document dstDoc = new Document();
    // Remove the first paragraph from the empty document.
    dstDoc.getFirstSection().getBody().removeAllChildren();

    // Import each node from the list into the new document. Keep the original formatting of the node.
    NodeImporter importer = new NodeImporter(srcDoc, dstDoc, ImportFormatMode.KEEP_SOURCE_FORMATTING);
    for (Node node : nodes)
    {
        Node importNode = importer.importNode(node, true);
        dstDoc.getFirstSection().getBody().appendChild(importNode);
    }

    return dstDoc;
}

Вилучення вмісту між пунктами

Це показує, як використовувати метод вище для отримання вмісту між певними абзацами. У цьому випадку ми хочемо витягти тіло листа, знайденого в першій половині документа. Ми можемо сказати, що це між 7 і 11 абзацами.

Код нижче виконує це завдання. Вилучення відповідних абзаців з використанням getChild метод на документі і проходження зазначених показників. Потім ми проводимо ці вузли до ExtractContent метод і стан, які вони повинні бути включені до видобутку. Цей метод буде повернений вміст між цими вузлами, які потім вставляються в новий документ.

Приклад коду показує, як витягти вміст між певними абзацами за допомогою ExtractContent метод вище:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

Paragraph startPara = (Paragraph) doc.getFirstSection().getBody().getChild(NodeType.PARAGRAPH, 6, true);
Paragraph endPara = (Paragraph) doc.getFirstSection().getBody().getChild(NodeType.PARAGRAPH, 10, true);
// Extract the content between these nodes in the document. Include these markers in the extraction.
ArrayList<Node> extractedNodes = ExtractContentHelper.extractContent(startPara, endPara, true);

Document dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodes);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenParagraphs.docx");

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Вихідний документ містить два пункти, які були вилучені.

Витягувати вміст між різними типами

Ми можемо вилучити вміст між будь-якими комбінаціями блочних або внутрішніх вузлів. У цьому сценарії нижче ми виберемо вміст між першим абзацом та столиком у другому розділі включно. Ми отримуємо вузли маркерів за допомогою виклику getFirstParagraph і getChild метод на другий розділ документа для отримання відповідного Paragraph і Table вершини. Для легкої варіації, замість того, щоб дублювати вміст і вставити його нижче оригіналу.

Приклад наступного коду показує, як витягти вміст між абзацом та столиком за допомогою пункту ExtractContent метод:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

Paragraph startPara = (Paragraph) doc.getLastSection().getChild(NodeType.PARAGRAPH, 2, true);
Table endTable = (Table) doc.getLastSection().getChild(NodeType.TABLE, 0, true);
// Extract the content between these nodes in the document. Include these markers in the extraction.
ArrayList<Node> extractedNodes = ExtractContentHelper.extractContent(startPara, endTable, true);

// Let's reverse the array to make inserting the content back into the document easier.
Collections.reverse(extractedNodes);
for (Node extractedNode : extractedNodes)
    // Insert the last node from the reversed list.
    endTable.getParentNode().insertAfter(extractedNode, endTable);

doc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenBlockLevelNodes.docx");

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Зміст абзацу та таблиці було дубліковано нижче.

Вилучення вмісту між пунктами На основі стилю

Ви можете вилучити вміст між абзацами одного або іншого стилю, таких як між абзацами, позначеними стилями.

Код нижче показує, як досягти цього. Це простий приклад, який видобуває вміст між першою інстанцією стилів “Heading 1” та “Header 3” без вилучення заголовків. Для цього ми встановлюємо останній параметр до false, який визначає, що вузли маркера не повинні бути включені.

У правильному виконанні слід виконувати в петлі для вилучення вмісту між усіма пунктами цих стилів з документа. Вилучений вміст копіюється в новий документ.

Приклад коду показує, як витягувати вміст між абзацами з певними стилями за допомогою ExtractContent метод:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

// Gather a list of the paragraphs using the respective heading styles.
ArrayList<Paragraph> parasStyleHeading1 = paragraphsByStyleName(doc, "Heading 1");
ArrayList<Paragraph> parasStyleHeading3 = paragraphsByStyleName(doc, "Heading 3");

// Use the first instance of the paragraphs with those styles.
Node startPara1 = parasStyleHeading1.get(0);
Node endPara1 = parasStyleHeading3.get(0);

// Extract the content between these nodes in the document. Don't include these markers in the extraction.
ArrayList<Node> extractedNodes = ExtractContentHelper.extractContent(startPara1, endPara1, false);

Document dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodes);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenParagraphStyles.docx");

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
public static ArrayList<Paragraph> paragraphsByStyleName(Document doc, String styleName)
{
    // Create an array to collect paragraphs of the specified style.
    ArrayList<Paragraph> paragraphsWithStyle = new ArrayList<Paragraph>();

    NodeCollection paragraphs = doc.getChildNodes(NodeType.PARAGRAPH, true);

    // Look through all paragraphs to find those with the specified style.
    for (Paragraph paragraph : (Iterable<Paragraph>) paragraphs)
    {
        if (paragraph.getParagraphFormat().getStyle().getName().equals(styleName))
            paragraphsWithStyle.add(paragraph);
    }

    return paragraphsWithStyle;
}

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Нижче наведено результат попередньої операції.

Витягувати вміст між певними пробігами

Ви можете витягувати вміст між вузлами, такими як Run й Runs з різних абзаців можна пропустити як маркери. Введіть номер мобільного, який Ви вказали при укладаннi договору з банком - для ідентифікації. Paragraph вузол.

Приклад наступного коду показує, як витягувати вміст між певними проходами одного абзацу за допомогою ExtractContent метод:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

Paragraph para = (Paragraph) doc.getChild(NodeType.PARAGRAPH, 7, true);
Run startRun = para.getRuns().get(1);
Run endRun = para.getRuns().get(4);

// Extract the content between these nodes in the document. Include these markers in the extraction.
ArrayList<Node> extractedNodes = ExtractContentHelper.extractContent(startRun, endRun, true);
for (Node extractedNode : extractedNodes)
    System.out.println(extractedNode.toString(SaveFormat.TEXT));

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Витягований текст відображається на консолі

Вилучення вмісту за допомогою поля

Щоб використовувати поле як маркер, FieldStart повинна бути передана вершина. Останній параметр до останнього параметра ExtractContent спосіб визначити, якщо вся поле буде включена або ні. Додайте вміст між полеми злиття “Повний ім’я” та пунктом у документі. Ми використовуємо moveToMergeField метод DocumentBuilder клас. Це буде повернено FieldStart вершина з назви поля зливається до неї.

У нашому випадку ми встановимо останній параметр, переданий до ExtractContent метод до false виключити поле з видобутку. Ми проведемо вилучення вмісту в PDF.

Приклад наступного коду показує, як витягувати вміст між певним полем та абзацом у документі з використанням ExtractContent метод:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");
DocumentBuilder builder = new DocumentBuilder(doc);
// Pass the first boolean parameter to get the DocumentBuilder to move to the FieldStart of the field.
// We could also get FieldStarts of a field using GetChildNode method as in the other examples.
builder.moveToMergeField("Fullname", false, false);

// The builder cursor should be positioned at the start of the field.
FieldStart startField = (FieldStart) builder.getCurrentNode();
Paragraph endPara = (Paragraph) doc.getFirstSection().getChild(NodeType.PARAGRAPH, 5, true);
// Extract the content between these nodes in the document. Don't include these markers in the extraction.
ArrayList<Node> extractedNodes = ExtractContentHelper.extractContent(startField, endPara, false);

Document dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodes);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentUsingField.docx");

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Вилучений вміст поля та абзацу, без поля та абзаців, що надходять у PDF.

Вилучення вмісту з закладки

У документі зміст, який визначається в межах закладки, інкапсульований BookmarkStart і BookmarkEnd вершини. Зміст, знайдений між цими двома вузлами, складають закладку. Ви можете пройти або з цих вузлів як будь-який маркер, навіть з різних зауважень, до тих пір, поки початковий маркер з’являється до закінчення маркеру в документі.

У нашому документі про зразок ми маємо одну замітку, названу “Bookmark1”. Зміст цієї закладки виділяється вмістом в нашому документі:

Ми витягуємо цей вміст у новий документ, використовуючи код нижче. Про нас IsInclusive параметр показує, як зберігати або відкинути закладку.

Наприклад, наступний код показує, як витягти вміст, довідкований закладок за допомогою закладки ExtractContent метод:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

Bookmark bookmark = doc.getRange().getBookmarks().get("Bookmark1");
BookmarkStart bookmarkStart = bookmark.getBookmarkStart();
BookmarkEnd bookmarkEnd = bookmark.getBookmarkEnd();

// Firstly, extract the content between these nodes, including the bookmark.
ArrayList<Node> extractedNodesInclusive = ExtractContentHelper.extractContent(bookmarkStart, bookmarkEnd, true);

Document dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodesInclusive);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenBookmark.IncludingBookmark.docx");

// Secondly, extract the content between these nodes this time without including the bookmark.
ArrayList<Node> extractedNodesExclusive = ExtractContentHelper.extractContent(bookmarkStart, bookmarkEnd, false);

dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodesExclusive);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenBookmark.WithoutBookmark.docx");

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

Витяжний вихід з IsInclusive параметр встановити до trueй Копія зберігає закладку.

Витяжний вихід з IsInclusive параметр встановити до falseй Копія містить вміст, але без закладки.

Вилучення контенту з коментаря

Коментарі до The CommentRangeStart Всі ці вершини знаходяться в режимі онлайн. Перші два вузли захоплюють вміст у документі, який посилається коментарем, як показано на скріншоті нижче.

Про нас Comment сама вершина - InlineStory що може містити абзаци та прогони. Це повідомлення про коментар, як видно як коментар бульбашки в оглядовому каструлі. Як це вершина інлайн і спадкоємець тіла ви також можете витягти вміст зсередини цього повідомлення.

У нашому документі ми маємо один коментар. Відобразити його, показувати розмітку в вкладці Огляд:

Прокоментуйте заголовок, першу абзацу та таблицю у другому розділі. Додайте цей коментар у новий документ. Про нас IsInclusive варіант диктує, якщо сам коментар зберігається або відхилений.

Приклад наступного коду показує, як це зробити нижче:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

CommentRangeStart commentStart = (CommentRangeStart) doc.getChild(NodeType.COMMENT_RANGE_START, 0, true);
CommentRangeEnd commentEnd = (CommentRangeEnd) doc.getChild(NodeType.COMMENT_RANGE_END, 0, true);

// Firstly, extract the content between these nodes including the comment as well.
ArrayList<Node> extractedNodesInclusive = ExtractContentHelper.extractContent(commentStart, commentEnd, true);

Document dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodesInclusive);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenCommentRange.IncludingComment.docx");

// Secondly, extract the content between these nodes without the comment.
ArrayList<Node> extractedNodesExclusive = ExtractContentHelper.extractContent(commentStart, commentEnd, false);

dstDoc = ExtractContentHelper.generateDocument(doc, extractedNodesExclusive);
dstDoc.save(getArtifactsDir() + "ExtractContent.ExtractContentBetweenCommentRange.WithoutComment.docx");

Ви можете завантажити файл зразок цього прикладу з Aspose.Words GitHubй

По-перше витяжний вихід з IsInclusive параметр встановити до trueй Копія буде містити коментаря.

По-друге витяжний вихід з Інклюзив Увійти falseй Копія містить зміст, але без коментаря.

Екстракт вмісту за допомогою ДокументВідвідувача

Aspose.Words можна використовувати не тільки для створення Microsoft Word документи шляхом побудови їх динамічно або зважування шаблонів з даними, але також для оформлення документів для того, щоб витягти окремі елементи документа, такі як заголовки, піддони, абзаци, таблиці, зображення та інші. Ще одним можливим завданням є пошук певного формату або стилю.

Використання DocumentVisitor Клас реалізації цього сценарію використання. Цей клас відповідає відомим візерункам відвідувачів. З DocumentVisitor, ви можете визначити та виконувати користувацькі операції, які вимагають заохочення над деревом документа.

DocumentVisitor забезпечує набір VisitXXX методи, які заподіяні при виникненні певного елемента документа (невід) Наприклад, VisitParagraphStart називається, коли початок знайденого текстового пункту і VisitParagraphEnd називається, коли знайдений кінець тексту. Що DocumentVisitor.VisitXXX метод приймає відповідний об’єкт, який він зустрічається так, що ви можете використовувати його, як це потрібно (прочитати форматування), наприклад, обидва VisitParagraphStart і VisitParagraphEnd Приймати Paragraph об’єкт.

Що DocumentVisitor.VisitXXX метод повертає VisitorAction значення, яка контролює занурення вузлів. Ви можете запитати або продовжити занурення, пропустити поточний вузол (але продовжити занурення), або зупинити занурення вузлів.

Це кроки, які слідувати за програмамично визначити та витягувати різні частини документа:

• Створіть клас, отриманий з DocumentVisitorй
• Перевизначення та реалізація для деяких або всіх DocumentVisitor.VisitXXX методи виконання окремих операцій.
• Виклик Node.accept на вершині, де ви хочете почати занурення. Наприклад, якщо ви хочете об’єднати весь документ, використовуйте accept(DocumentVisitor)й

DocumentVisitor забезпечує виконання за замовчуванням для всіх DocumentVisitor.VisitXXX методи. Це полегшує створення нових відвідувачів документа, як тільки методи, необхідні для конкретного відвідувача, повинні бути перевантажені. Не варто перевизначити всі методи відвідувачів.

Наступний приклад показує, як використовувати шаблон Відвідувача, щоб додати нові операції до Aspose.Words модель об’єкта. У цьому випадку ми створюємо простий конвертер документів у текстовий формат:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Extract content.docx");

ConvertDocToTxt convertToPlainText = new ConvertDocToTxt();
// Note that every node in the object model has the accept method so the visiting
// can be executed not only for the whole document, but for any node in the document.
doc.accept(convertToPlainText);

// Once the visiting is complete, we can retrieve the result of the operation,
// That in this example, has accumulated in the visitor.
System.out.println(convertToPlainText.getText());

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
/// <summary>
/// Simple implementation of saving a document in the plain text format. Implemented as a Visitor.
/// </summary>
static class ConvertDocToTxt extends DocumentVisitor {
    public ConvertDocToTxt() {
        mIsSkipText = false;
        mBuilder = new StringBuilder();
    }

    /// <summary>
    /// Gets the plain text of the document that was accumulated by the visitor.
    /// </summary>
    public String getText() {
        return mBuilder.toString();
    }

    /// <summary>
    /// Called when a Run node is encountered in the document.
    /// </summary>
    public int visitRun(Run run) {
        appendText(run.getText());
        // Let the visitor continue visiting other nodes.
        return VisitorAction.CONTINUE;
    }

    /// <summary>
    /// Called when a FieldStart node is encountered in the document.
    /// </summary>
    public int visitFieldStart(FieldStart fieldStart) {
        // In Microsoft Word, a field code (such as "MERGEFIELD FieldName") follows
        // after a field start character. We want to skip field codes and output field.
        // Result only, therefore we use a flag to suspend the output while inside a field code.
        // Note this is a very simplistic implementation and will not work very well.
        // If you have nested fields in a document.
        mIsSkipText = true;
        return VisitorAction.CONTINUE;
    }

    /// <summary>
    /// Called when a FieldSeparator node is encountered in the document.
    /// </summary>
    public int visitFieldSeparator(FieldSeparator fieldSeparator) {
        // Once reached a field separator node, we enable the output because we are
        // now entering the field result nodes.
        mIsSkipText = false;
        return VisitorAction.CONTINUE;
    }

    /// <summary>
    /// Called when a FieldEnd node is encountered in the document.
    /// </summary>
    public int visitFieldEnd(FieldEnd fieldEnd) {
        // Make sure we enable the output when reached a field end because some fields
        // do not have field separator and do not have field result.
        mIsSkipText = false;
        return VisitorAction.CONTINUE;
    }

    /// <summary>
    /// Called when visiting of a Paragraph node is ended in the document.
    /// </summary>
    public int visitParagraphEnd(Paragraph paragraph) {
        // When outputting to plain text we output Cr+Lf characters.
        appendText(ControlChar.CR_LF);
        return VisitorAction.CONTINUE;
    }

    public int visitBodyStart(Body body) {
        // We can detect beginning and end of all composite nodes such as Section, Body, 
        // Table, Paragraph etc and provide custom handling for them.
        mBuilder.append("*** Body Started ***\r\n");
        return VisitorAction.CONTINUE;
    }

    public int visitBodyEnd(Body body) {
        mBuilder.append("*** Body Ended ***\r\n");
        return VisitorAction.CONTINUE;
    }

    /// <summary>
    /// Called when a HeaderFooter node is encountered in the document.
    /// </summary>
    public int visitHeaderFooterStart(HeaderFooter headerFooter) {
        // Returning this value from a visitor method causes visiting of this
        // Node to stop and move on to visiting the next sibling node
        // The net effect in this example is that the text of headers and footers
        // Is not included in the resulting output
        return VisitorAction.SKIP_THIS_NODE;
    }

    /// <summary>
    /// Adds text to the current output. Honors the enabled/disabled output flag.
    /// </summary>
    private void appendText(String text) {
        if (!mIsSkipText)
            mBuilder.append(text);
    }

    private StringBuilder mBuilder;
    private boolean mIsSkipText;
}

Екстракт тексту Досягнення

Способи отримання тексту з документа:

• Використання Document.save з SaveFormat зберегти як звичайний текст у файл або потік
• Використання Node.toString і пройти SaveFormat.Text параметр. Внутрішня, це викликає збереження тексту в потік пам’яті і повертає отриманий рядок
• Використання Node.getText щоб отримати текст з усіма Microsoft Word Символи керування, включаючи польові коди
• Впровадження на замовлення DocumentVisitor для виконання індивідуального видобутку

Використання Node.GetText і Node.ToString

Р Документ Word може містити символи керування, які позначення спеціальних елементів, таких як поле, кінець комірки, кінець розділу тощо. Повний список можливих символів керування Word визначено в ControlChar клас. Про нас GetText метод повертає текст з усіма символами керування, присутніми в вершині.

Зателефонувавши до того, щоб повернути звичайний текстовий лист документа тільки без символів управління. Для отримання додаткової інформації про експорт як звичайний текст див. Using SaveFormat.Textй

Приклад коду показує різницю між викликом GetText і ToString методи на вершині:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document();
DocumentBuilder builder = new DocumentBuilder(doc);

builder.insertField("MERGEFIELD Field");

// When converted to text it will not retrieve fields code or special characters,
// but will still contain some natural formatting characters such as paragraph markers etc. 
// This is the same as "viewing" the document as if it was opened in a text editor.
System.out.println("ToString() Result: " + doc.toString(SaveFormat.TEXT));

Використання SaveFormat.Text

Цей приклад зберігає документ наступним чином:

• Фільтрує польові символи та польові коди, форма, примітка, кінцеві посилання та коментарі
• Замінює кінець абзацу ControlChar.Cr символи з ControlChar.CrLf поєднання
• Використовуйте кодування UTF8

Приклад наступного коду показує, як зберегти документ у форматі TXT:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Document.docx");
doc.save(getArtifactsDir() + "BaseConversions.DocxToTxt.txt");

Вилучення зображень з фігур

Ви можете вилучити зображення документів для виконання завдань. Aspose.Words Ви також можете зробити це.

Приклад коду показує, як витягти зображення з документа:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-Java.git.
Document doc = new Document(getMyDir() + "Images.docx");

NodeCollection shapes = doc.getChildNodes(NodeType.SHAPE, true);
int imageIndex = 0;

for (Shape shape : (Iterable<Shape>) shapes) {
    if (shape.hasImage()) {
        String imageFileName =
                MessageFormat.format("Image.ExportImages.{0}_{1}", imageIndex, FileFormatUtil.imageTypeToExtension(shape.getImageData().getImageType()));

        // Note, if you have only an image (not a shape with a text and the image),
        // you can use shape.getShapeRenderer().save(...) method to save the image.
        shape.getImageData().save(getArtifactsDir() + imageFileName);
        imageIndex++;
    }
}