docx4j 处理word2007文档

一、处理word的第3方java项目

Word2007采用ECMA-376标准，在java开发中，处理word文档有很多优秀的第三方开源项目，例如：
1)POI（兼容doc、docx文件）
官方网站：http://poi.apache.org/
网上例子很多，由于发布时间较早，很多外国网站的例子，建议Google搜索。
2)Jacob
下载地址：http://sourceforge.net/projects/jacob-project/
原理讲解：http://www.ibm.com/developerworks/cn/java/j-lo-jacob/。
3)docx4j
下载地址：http://www.docx4java.org/trac/docx4j
示例：http://zhuerg.blog.163.com/blog/static/1404016362014223102843969/
4)PageOffice
官方网站：http://www.zhuozhengsoft.com/。

二、项目需求

在就近的项目中，需要将数据动态生成固定格式的word文档报告，并输出成html，在浏览器上查看，并且用户可以修改生成后的报告。标准文档中包含大量的文字、表格、和chart图表。原先使用帆软报表来做，格式非常难处理、且导出格式都变型了，另外一个大问题是chart图表导出都变成了图片，用户不能修改。通过查询资料最后利用Docx4j项目来处理。
Docx4j项目处理word2007以上版本的word文档，既后缀为docx的word文档，包括创建新的docx,读取docx文档内容等。现有的Docx4j项目能获取文本、表格、图片等，但对一些二进制的部件只提供了获取方法，需要在此基础上二次开发，另外对word中的chart图片处理也需要二次开发。Docx4j导出成html也需要针对chart图表来特殊处理。

三、解决方案

考虑到Docx4j项目能力，解决方案采用docx文档+替换变量+替换图片+替换chart图表数据的方式来解决。就项目中遇到的问题做简单的描述。
1、文档格式
在项目中，文档格式是一个非常头痛的事情，从新新建一个word文档，文档格式处理非常麻烦，我通过一个编辑好的word文档模板，在Docx4j中能读取对应的格式，通过保留原有格式，并将处理后的文档另存为需要的目标文档，来避免文档格式的操作。这样就可以根据用户需要设置用户满意的格式了。
2、文字处理
在word存储格式中，文字都以xml格式存储，具体格式例子如下：
<w:p><w:pPr><w:pStyle w:val="2"/><w:jc w:val="center"/></w:pPr><w:r><w:t>例程模板</w:t></w:r></w:p>
在Docx4j中，会解析成P类，并将内容解析成Text类。在定义的word模板中，将需要替换的文字使用${变量名}来替换，并将需要的格式在模板中设置好。在利用Docx4j处理文字时，先收集${变量名}，让后统一替换，这样就能完成文字的处理了。
3、表格处理
在word存储格式中，表格都以xml格式存储，具体格式例子如下：
<w:tbl>
……
<w:tblGrid>……</w:tblGrid>
<w:tr><w:tblPrEx>……</w:tblPrEx>
<w:tc>……<w:t>描述</w:t>……</w:tc>
<w:tc>……<w:t>描述</w:t>……</w:tc>
</w:tr>
</w:tbl>
其中，<w:tbl>是一个表单的开发，<w:tblGrid>表格列表信息，<w:tr>一行、<w:tc>一个单元。在处理表格时，将相应的单元处理替换就可以了。
动态添加行时，需要注意行的格式问题，可以通过在模板中定制好样式的行，通过拷贝该行来动态新增指定格式的列表行。

4、图片处理

在word存储格式中，图片都以xml格式指向说明，以二进制方式存储在word文档中。Word文档存储采用压缩包格式存储的，在Docx4j中可以通过代码来读取图片文件的二进制文件。Xml格式如下：
<w:drawing>
<wp:inline >……<pic:pic >
<pic:blipFill>
<a:blip r:embed="rId4">
</pic:blipFill>
</pic:pic>
……</wp:inline>
</w:drawing>
或
<w:drawing>
<wp:anchor >……<pic:pic >
<pic:blipFill>
<a:blip r:embed="rId4">
</pic:blipFill>
</pic:pic>
……</wp:anchor>
</w:drawing>
图片的xml表示有两种方式，一种内嵌、一种锚的方式。两种方式处理都差不多，都是通过获取<a:blip r:embed="rId4">中的id，然后通过id获取部件关联关系，关联关系的xml如下：
<Relationship Id="rId4" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/image" Target="media/image1.png"/>
并通过关联关系中的target在部件管理中获取具体的二进制内容。
替换图片，可以直接通过新建一个<wp:inline >或<wp:anchor >替换就可以了，在代码中，通过
BinaryPartAbstractImage imagePart = BinaryPartAbstractImage.createImagePart(wordMLPackage, bytes);
Inline inline = imagePart.createImageInline(null, "", ++no, ++no, false);
Bytes为替换的图片的byts数组。
5、chart图表处理
Chart图片处理就比较麻烦了，在word文档中chart图表都是采用DrawingML标准通过xml格式来存储，具体xml格式如下：
<w:drawing>
<wp:inline >……<c:chart r:id="rId5" />
</pic:pic>
……</wp:inline>
</w:drawing>
或
<w:drawing>
<wp:anchor >……<c:chart r:id="rId5" />
……</wp:anchor>
Chart与图片类似，只不过图片通过pic:blipFill来指向相应的part，chart通过c:chart 中的r:id来指向。Chart在word部件中是利用xml文字方式保存。具体格式如下：
<c:chartSpace >……
<c:chart>
<c:view3D><c:rAngAx val="1"/></c:view3D>
<c:plotArea> ……
<c:bar3DChart>……
<c:ser>……
<c:cat>……<c:pt idx="0">
<c:v>500kV</c:v></c:pt>……</c:pt>
……</c:cat>
<c:val>……
<c:pt idx="0"><c:v>53</c:v></c:pt>
</c:val>
</c:ser>
……
</c:chart></c:chartSpace>
其中 c:plotArea 表示chart类型，c:ser表示chart图表中的系列，c:cat表示分类，c:val表示值。根据业务将相应的数据变成类似的格式填充，就可以修改chart图表了。
6、Word导出html
Docx4j项目中包含word导出html的方法，但由于对chart没有处理，需要单独处理chart。Docx4j导出是利用扩展样式表转换语言xlst来实现了，通过修改xlst模板文件，匹配c:chart,让后单独处理chart数据就可以了。
在html中处理chart可以采用jfreechart变成图片，也可以采用百度的echarts来处理。下面主要介绍使用echarts来处理。
ECharts是一款由百度前端技术部开发的，基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表.提供大量常用的数据可视化图表，底层基于ZRender（一个全新的轻量级canvas类库），创建了坐标系，图例，提示，工具箱等基础组件，并在此上构建出折线图（区域图）、柱状图（条状图）、散点图（气泡图）、饼图（环形图）、K线图、地图、力导向布局图以及和弦图，同时支持任意维度的堆积和多图表混合展现。项目URL：http://echarts.baidu.com/
在处理chart图表时，需要引入支撑js，包括jquery，echarts。同时还要在处理chart图表时，既要生成对应的div 的html节点，同时又要生成对应百度echarts的配置对象Option，载入页面后调入百度echart的生成方法。
交流方式
Email : hhwygang@126.com
QQ: 284587931