如何在WordprocessingML中搜索/替换文本

Question

在WordprocessingML ( MS文档保存的格式)中，是否可以轻松地搜索文本？

我遇到的主要问题是，WordprocessingML格式将每一段分解为“运行”，例如：

为了存储语句“Module1: Section”，WordprocessingML指定了以下标记：

  <w:p w:rsidR="00F9529C" w:rsidRDefault="00F9529C" w:rsidP="00F9529C">
   <w:pPr>
    <w:pStyle w:val="Heading1_5019"/>
   </w:pPr>
   <w:bookmarkStart w:id="0" w:name="_Toc247333659"/>
   <w:r>
    <w:t>M</w:t>
   </w:r>
   <w:r w:rsidRPr="007D2739">
    <w:t xml:space="preserve">odule 1: </w:t>
   </w:r>
   <w:r>
    <w:t>Some Section Title</w:t>
   </w:r>
   <w:bookmarkEnd w:id="0"/>
  </w:p>

正如你所看到的，这个句子被分成"M“、"odule 1:”、“ Section ”。这种安排使得找不到整个句子。有什么可以绕开的吗？

为了澄清，我试图使用DomDocument在PHP中实现这一点。

Answer 1

我编写了一些示例代码，演示如何在Open文档中搜索和替换文本。我的方法是:一旦找到了包含需要替换的文本的段落，就可以将段落中的所有运行拆分为单个字符的运行。然后，很容易找到与搜索字符串匹配的连续运行集。然后，可以使用替换文本创建一个新的运行，然后删除与搜索字符串匹配的单个字符运行。我使用XML (使用System.Xml.XmlDocument)实现了这一点。您可以在博客文章搜索和替换打开的XML WordprocessingML文档中的文本中找到示例代码。此外，我还录制了一个简短的屏幕放映，展示了该算法的工作原理：http://www.youtube.com/watch?v=w128hJUu3GM

Answer 2

是的，这就是直接使用WordML的痛苦，而不是使用word对象模型。

不幸的是，我没有发现任何可以简化的事情( openxml、Aspose等等似乎基本上都只是将WordML xml封装在一个薄薄的单板上)。

您可以在ML上做一些有限的预处理，并解析出很多东西(比如所有的rsidRPr元素等等)，但是要解析出足够多的格式元素来始终搜索文本仍然是很棘手的。

或者，您可以使用XPATH只提取w:t元素，然后将它们串在一起并搜索结果，但接下来您就会遇到一个问题，即如何知道文档中最终发现的是什么是实际存在的。

如果您不关心这一点(例如，如果您只是数据挖掘)，那么这可能是最快的解决方案。