解析word公式的解决方案(office插入和wps插入不同的解决方案)

这几天在公司的项目有个需求就是数学公式的导入,而对于word来说,插入的公式xml格式,需要转换为mathML,借用插件MathJax来进行展示,而对于wps插入的公式来说,获取到的是一个wmf图片,wmf是无法在页面上进行展示的,所以思路就是将wmf转换为png图片. 这个在网上的资料有很多,是先转换为svg,再转换为png,但是我在实际操作过程中发现很多问题,就是公式的一些特殊符号展示不出来,所以在这总结下解决办法,最后有两种解决方案,一个是硬编码,一个是借助第三方来实现.

使用的是poi解析word

先说一下office插入的公式解决方案

思路就是读取出来的xml,先进行转换为mathML,然后直接在页面上展示就可以,直接代码实现:

// 进行转换的过程中需要借助这个文件,网上搜索就可以,或者使用everything这个软件全盘搜一下,一般来说本机安装office就会有这个文件,找到就可以
private static File stylesheet = new File("src/main/resources/OMML2MML.XSL");
private static TransformerFactory tFactory = TransformerFactory.newInstance();
private static StreamSource stylesource = new StreamSource(stylesheet);

/**
 * 获取MathML
 * @param ctomath
 * @return
 * @throws Exception
 */
static String getMathML(CTOMath ctomath) throws Exception {

	Transformer transformer = tFactory.newTransformer(stylesource);

	Node node = ctomath.getDomNode();

	DOMSource source = new DOMSource(node);
	StringWriter stringwriter = new StringWriter();
	StreamResult result = new StreamResult(stringwriter);
	transformer.setOutputProperty("omit-xml-declaration", "yes");
	transformer.transform(source, result);

	String mathML = stringwriter.toString();
	stringwriter.close();

	mathML = mathML.replaceAll("xmlns:m=\"http://schemas.openxmlformats.org/officeDocument/2006/math\"", "");
	mathML = mathML.replaceAll("xmlns:mml", "xmlns");
	mathML = mathML.replaceAll("mml:", "");

	return mathML;
}

/**
 * 返回公式的集合
 * @param document
 * @return
 */
public static Map<Integer,String> mml2Html(XWPFDocument document){
	Map<Integer,String> result = new HashMap<>();
	try{

		//storing the found MathML in a AllayList of strings
		List<String> mathMLList = new ArrayList<String>(16);

		//getting the formulas out of all body elements
		for (IBodyElement ibodyelement : document.getBodyElements()) {
			if (ibodyelement.getElementType().equals(BodyElementType.PARAGRAPH)) {
				XWPFParagraph paragraph = (XWPFParagraph)ibodyelement;
				for (CTOMath ctomath : paragraph.getCTP().getOMathList()) {
					mathMLList.add(getMathML(ctomath));
				}
				for (CTOMathPara ctomathpara : paragraph.getCTP().getOMathParaList()) {
					for (CTOMath ctomath : ctomathpara.getOMathList()) {
						mathMLList.add(getMathML(ctomath));
					}
				}
			} else if (ibodyelement.getElementType().equals(BodyElementType.TABLE)) {
				XWPFTable table = (XWPFTable)ibodyelement;
				for (XWPFTableRow row : table.getRows()) {
					for (XWPFTableCell cell : row.getTableCells()) {
						for (XWPFParagraph paragraph : cell.getParagraphs()) {
							for (CTOMath ctomath : paragraph.getCTP().getOMathList()) {
								mathMLList.add(getMathML(ctomath));
							}
							for (CTOMathPara ctomathpara : paragraph.getCTP().getOMathParaList()) {
								for (CTOMath ctomath : ctomathpara.getOMathList()) {
									mathMLList.add(getMathML(ctomath));
								}
							}
						}
					}
				}
			}
		}

		document.close();

		for (int i = 0; i < mathMLList.size(); i++) {
			// 替换特殊符号(由于页面上无法直接展示特殊符号,所以需要进行替换,将特殊符号替换为html可以认识的标签(https://www.cnblogs.com/xinlvtian/p/8646683.html))
			String s = mathMLList.get(i)
					.replaceAll("±", "±")
					.replaceAll("∑","&sum;");
			s = "<math xmlns=\"http://www.w3.org/1998/Math/MathML\">" + s + "</math>";
			result.put(i,s);
		}
		return result;
	}catch (Exception e){
		e.printStackTrace();
	}
	return result;
}

/**
 * 获取所有的公式
 * @param xwpfDocument
 * @return
 */
public static Map<Integer,String> getFormulaMap(XWPFDocument xwpfDocument){
	Map<Integer, String> result = new HashMap<>();
	// 获取到公式的Map集合
	Map<Integer, String> mml2Html = mml2Html(xwpfDocument);
	Set<Map.Entry<Integer, String>> entries = mml2Html.entrySet();
	// 遍历所有段落,获取所有包含公式的段落
	List<XWPFParagraph> paragraphs = xwpfDocument.getParagraphs();
	int j = 0;
	for (int i = 0; i < paragraphs.size(); i++) {
		XWPFParagraph xwpfParagraph = paragraphs.get(i);
		CTP ctp = xwpfParagraph.getCTP();
		String xmlText = ctp.xmlText();
		if(xmlText.contains("<m:oMath>")){
			StringBuilder sb = new StringBuilder();
			sb.append(xwpfParagraph.getParagraphText());
			sb.append(mml2Html.get(j++));
			result.put(i,sb.toString());
		}

	}
	return result;
}    

public static void main(String[] args) throws Exception {
    XWPFDocument xwpfDocument = new XWPFDocument(new FileInputStream("C:\\Users\\wz157\\Desktop\\题目批量导入模板 (1).docx"));
    // 这个就能获取到所有公式了,Integer表示的是第几个公式,String表示公式转化后的mathML,借助mathJax可以在页面上进行展示
    Map<Integer, String> formulaMap = getFormulaMap(xwpfDocument);
    // 接下来就看自己公司的业务了,我们是将这个东西直接存入数据库,到时候展示的时候直接拿出来就可以了
    // 前台展示的时候需要注意,将mathJax下载下来里面有实例,其实就是添加<script type="text/javascript"
  src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML">,就可以展示了,这个绝对是可行的,如果不可以请检查页面上的这个js文件是否引入正确.
}

上面就是office插入公式进行转换的解决方案,尤其注意后面的样式,一定要正确,就绝对没有问题,建议下载源码包,里面的test下有何mml的示例.

wps插入公式的解决方案

第一种,使用第三方,这个需要去官方先注册一下,获取到一个api key,网站是https://cloudconvert.com/,注册完成之后点击上面导航的API,进入页面点击API Console,就可以找到字节的apikey了,下面我使用自己的apikey作为实例.

这里只说转换,不说poi读取word,其实也很简单,获取对象,getAllPictures()方法,获取所有图片,使用picture.suggestFileExtension()获取图片后缀,看后缀是否是wmf结尾的就可以了.下面直接说转换.

// Create service object
// CloudConvertService service = new CloudConvertService("<api key>");
CloudConvertService service = new CloudConvertService("OtyvB1mgwMzVQsFYdN663Ue80fKXjrlR3D5T6Je1vqmHs93dkC1n8sWum6JHVnZx");

// Create conversion process
ConvertProcess process = service.startProcess("wmf", "png");

// Perform conversion
process.startConversion(new File("C:\\Users\\wz157\\Desktop\\1.wmf"));

// Wait for result
ProcessStatus status;
waitLoop: while (true) {
	status = process.getStatus();

	switch (status.step) {
		case FINISHED: break waitLoop;
		case ERROR: throw new RuntimeException(status.message);
	}

	// Be gentle
	Thread.sleep(200);
}

// Download result
service.download(status.output.url, new File("C:\\\\Users\\\\wz157\\\\Desktop\\\\output.png"));

// Clean up
process.delete();

---

对了,首先要先引入依赖:

<dependency>
	<groupId>org.aioobe.cloudconvert</groupId>
	<artifactId>client</artifactId>
	<version>1.1</version>
</dependency>

这就解决了,是不是很简单,但是这个因为访问的是国际网站,大家懂得,比较慢,但是也不是慢的不能接受,亲自实践,一张图片大概几秒的时间.

还有需要注意,如果使用过程出现NoSuch...Method,这个方法的出现只能证明jar包冲突,排除一下就可以.但是需要找到那个冲突,我在使用过程中和公司的父项目的jar冲突,所以直接将父项目中存在的jar排出了下,如下

<exclusions>
	<exclusion>
		<groupId>javax.ws.rs</groupId>
		<artifactId>jsr311-api</artifactId>
	</exclusion>
</exclusions>

第二种方案,就是硬编码,借助的是wmf2svg这个jar,这个需要版本是0.9.8,比较高的版本,这个需要注意.

/**
 * 图片转化成base64字符串
 *
 * @param imgFile
 * @return
 */
public static String GetImageStr(String imgFile) {// 将图片文件转化为字节数组字符串，并对其进行Base64编码处理
	InputStream in = null;
	byte[] data = null;
	// 读取图片字节数组
	try {
		in = new FileInputStream(imgFile);
		data = new byte[in.available()];
		in.read(data);
		in.close();
	} catch (IOException e) {
		e.printStackTrace();
	}
	// 对字节数组Base64编码
	BASE64Encoder encoder = new BASE64Encoder();
	return encoder.encode(data);// 返回Base64编码过的字节数组字符串
}

/**
 * 将svg字符串转换为png
 *
 * @param svgCode     svg代码
 * @param pngFilePath 保存的路径
 * @throws TranscoderException svg代码异常
 * @throws IOException         io错误
 */
public static void convertToPng(String svgCode, String pngFilePath) throws IOException,
		TranscoderException {

	File file = new File(pngFilePath);

	FileOutputStream outputStream = null;
	try {
		file.createNewFile();
		outputStream = new FileOutputStream(file);
		convertToPng(svgCode, outputStream);
	} finally {
		if (outputStream != null) {
			try {
				outputStream.close();
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
	}
}

/**
 * 将svgCode转换成png文件，直接输出到流中
 *
 * @param svgCode      svg代码
 * @param outputStream 输出流
 * @throws TranscoderException 异常
 * @throws IOException         io异常
 */
public static void convertToPng(String svgCode, OutputStream outputStream)
		throws TranscoderException, IOException {
	try {
		// Base64解码
		BASE64Decoder decoder = new BASE64Decoder();
		byte[] bytes = decoder.decodeBuffer(svgCode);
		for (int i = 0; i < bytes.length; ++i) {
			if (bytes[i] < 0) {// 调整异常数据
				bytes[i] += 256;
			}
		}

		// 根据上面byte[]数组 生成 png 图片
		PNGTranscoder t = new PNGTranscoder();
		TranscoderInput input = new TranscoderInput(new ByteArrayInputStream(bytes));
		TranscoderOutput output = new TranscoderOutput(outputStream);
		t.transcode(input, output);
		outputStream.flush();
	} finally {
		if (outputStream != null) {
			try {
				outputStream.close();
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
	}
}

// 尤其注意main方法,这里仅仅是作为演示,在我们项目中完全是使用流进行传递,二进制+img标签写入数据库的
public static void main(String[] args) throws IOException, TranscoderException  {

	String wmf = "C:\\Users\\wz157\\Desktop\\1.wmf";
	String svg = "C:\\Users\\wz157\\Desktop\\222.svg";
	// 这一步很重要
	Main.main(new String[] {"-debug", "-replace-symbol-font", wmf, svg});

	String strImg = GetImageStr(wmf);

	// convertToPng(strImg, "C:\\Users\\wz157\\Desktop\\s.jpeg");

	convertToPng(strImg, "C:\\Users\\wz157\\Desktop\\s.png");
}

---

加入依赖(应该就是下面的依赖):

<!-- wmf转码svg -->
<dependency>
	<groupId>net.arnx</groupId>
	<artifactId>wmf2svg</artifactId>
	<version>0.9.8</version>
</dependency>

<!-- svg转码png -->
<dependency>
	<groupId>org.codeartisans.thirdparties.swing</groupId>
	<artifactId>batik-all</artifactId>
	<version>1.8pre-r1084380</version>
</dependency>

<dependency>
	<groupId>org.apache.xmlgraphics</groupId>
	<artifactId>batik-transcoder</artifactId>
	<version>1.9.1</version>
</dependency>

这个在使用过程中也可能出现jar包冲突,是因为低版本导致的,也是因为我们父项目中的版本是0.9.5,所以版本比较低,也出现了那个找不到方法的问题,一样的解决方案.

上面就是提供的word解析的方案,可以拿来直接使用,如果有问题或者哪没有弄通可以联系我(本人qq: 2585700076,微信是:wz15713598138),总结到此,一起加油