équations de lecture et formule à partir de Word (docx) au format html et base de données enregistrer en utilisant java

Question

J'ai un fichier Word/docx qui a des équations comme sous images

Je veux lire les données de mot de fichier/docx et enregistrez ma base de données et quand besoin je peux obtenir des données de la base de données et afficher sur ma page html J'ai utilisé apache Poi pour lire le formulaire de données docx mais il ne peut pas prendre des équations S'il vous plaît aidez-moi!

Answer 1

Word fichiers *.docx sont ZIP archives contenant XML fichiers qui sont Office Open XML. Les formules contenues dans les documents Word*.docx sont Office MathML (OMML).

Malheureusement, ce format XML n'est pas très connu en dehors de Microsoft Office. Donc, il n'est pas directement utilisable dans HTML par exemple. Mais heureusement, il est XML et en tant que tel, il est transformable en utilisant Transforming XML Data with XSLT. Ainsi, nous pouvons transformer ce OMML en MathML par exemple, ce qui est utilisable dans un plus grand nombre de cas d'utilisation.

Un processus de transformation via XSLT repose principalement sur une définition XSL de la transformation. Malheureusement, la création d'un tel n'est pas vraiment facile. Mais heureusement Microsoft l'a déjà fait et si vous avez un Microsoft Office installé, vous pouvez trouver ce fichier OMML2MML.XSL dans le répertoire Microsoft Office dans %ProgramFiles%\. Si vous ne le trouvez pas, faites une recherche sur le Web pour l'obtenir.

Donc, si nous connaissons tout cela, nous pouvons obtenir le OMML à partir du XWPFDocument, en le transformant en MathML, puis en l'enregistrant pour un usage ultérieur.

Mon exemple stocke les formules trouvées en tant que MathML dans ArrayList de chaînes. Vous devriez également être capable de stocker ces chaînes dans votre base de données.

L'exemple nécessite le code ooxml-schemas-1.3.jar complet comme mentionné dans https://poi.apache.org/faq.html#faq-N10025. C'est parce qu'il utilise CTOMath qui n'est pas livré avec le plus petit .

document Word:

code Java:

import java.io.*; 
import org.apache.poi.xwpf.usermodel.*; 

import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTP; 
import org.openxmlformats.schemas.officeDocument.x2006.math.CTOMath; 
import org.openxmlformats.schemas.officeDocument.x2006.math.CTOMathPara; 

import org.w3c.dom.Node; 

import javax.xml.transform.Transformer; 
import javax.xml.transform.TransformerFactory; 
import javax.xml.transform.dom.DOMSource; 
import javax.xml.transform.stream.StreamSource; 
import javax.xml.transform.stream.StreamResult; 

import java.awt.Desktop; 

import java.util.List; 
import java.util.ArrayList; 

/* 
needs the full ooxml-schemas-1.3.jar as mentioned in https://poi.apache.org/faq.html#faq-N10025 
*/ 

public class WordReadFormulas { 

static File stylesheet = new File("OMML2MML.XSL"); 
static TransformerFactory tFactory = TransformerFactory.newInstance(); 
static StreamSource stylesource = new StreamSource(stylesheet); 

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(); 

    //The native OMML2MML.XSL transforms OMML into MathML as XML having special name spaces. 
    //We don't need this since we want using the MathML in HTML, not in XML. 
    //So ideally we should changing the OMML2MML.XSL to not do so. 
    //But to take this example as simple as possible, we are using replace to get rid of the XML specialities. 
    mathML = mathML.replaceAll("xmlns:m=\"http://schemas.openxmlformats.org/officeDocument/2006/math\"", ""); 
    mathML = mathML.replaceAll("xmlns:mml", "xmlns"); 
    mathML = mathML.replaceAll("mml:", ""); 

    return mathML; 
} 

public static void main(String[] args) throws Exception { 

    XWPFDocument document = new XWPFDocument(new FileInputStream("Formula.docx")); 

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

    //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(); 

    //creating a sample HTML file 
    String encoding = "UTF-8"; 
    FileOutputStream fos = new FileOutputStream("result.html"); 
    OutputStreamWriter writer = new OutputStreamWriter(fos, encoding); 
    writer.write("<!DOCTYPE html>\n"); 
    writer.write("<html lang=\"en\">"); 
    writer.write("<head>"); 
    writer.write("<meta charset=\"utf-8\"/>"); 

    //using MathJax for helping all browsers to interpret MathML 
    writer.write("<script type=\"text/javascript\""); 
    writer.write(" async src=\"https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js?config=MML_CHTML\""); 
    writer.write(">"); 
    writer.write("</script>"); 

    writer.write("</head>"); 
    writer.write("<body>"); 
    writer.write("<p>Following formulas was found in Word document: </p>"); 

    int i = 1; 
    for (String mathML : mathMLList) { 
    writer.write("<p>Formula" + i++ + ":</p>"); 
    writer.write(mathML); 
    writer.write("<p/>"); 
    } 

    writer.write("</body>"); 
    writer.write("</html>"); 
    writer.close(); 

    Desktop.getDesktop().browse(new File("result.html").toURI()); 

} 
} 

Résultat: