将 DOCX / Word 生成的 XML 转换为 JSON答案

【问题标题】：Converting DOCX / Word-generated XML to JSON将 DOCX / Word 生成的 XML 转换为 JSON
【发布时间】：2019-06-06 10:05:18
【问题描述】：

我正在尝试通过 PHP 将 Word 生成的 XML 文件转换为 JSON。

我环顾四周，发现所有 XML 文件最好的情况是以下代码（甚至在 PHP 文档中）：

$xml = simplexml_load_string($xml_string);
$json = json_encode($xml);
$array = json_decode($json,TRUE);

问题是在simplexml_load_string 之后我得到一个空的SimpleXMLElement 对象，其余步骤无法真正完成。 xml 本身开头为：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<w:wordDocument

标签的前缀为w:。我尝试删除 w:s 但该函数再次返回一个空对象。知道我可能会错过什么吗？这种生成的 XML 有什么特别之处吗？

【问题讨论】：

简短回答：不要。 Word 是一种具有混合节点的复杂格式。将其解析为 SimpleXML 对象并对其进行序列化将不起作用（您会丢失大量信息），并且任何保留该信息的 JSON 结构都将与原始 XML 一样复杂。尝试使用 DOM 和 Xpath（更好地处理命名空间和混合节点）从 XML 中读取您需要的特定信息，并从中构建数组/对象结构。对生成的结构进行编码。
我不会说不要。 This python package 就是这样做的。您必须将 doc 从 PHP 传递到 python 服务器（aiohttp / django 等），但 that isn't impossible

【解决方案1】：

@ThW is 正确：不要将 OOXML 转换为 JSON。没有帮助。

OOXML（DOCX 背后的标准）的复杂性不会被转换为 JSON 所驯服。成功的 JSON 转换将具有挑战性，并且只会真正用于提供对使用 XML 处理文档和 JSON 处理数据 的一般建议的欣赏。

_{¹ 有点讽刺的是，
OOXML 中很少使用混合内容：文本运行通常是
包裹在w:r/w:t 元素中。如果你正在寻找灵感
基于 JSON 的 DOCX 表示将是可能的，就是这样。
如果您想了解 JSON 如何驯服 DOCX
复杂性，这也应该有所帮助。 :-)}

【讨论】：

【解决方案2】：

很相似。

您可以尝试打印 $xml 吗？也许错误不是 simplexml_load_string 而是 json_encode...

BR 马克

【讨论】：