解析WordprocessingML（一）查找和替换

替换文本，在平时很简单的问题，如果通过wordProcessingML操作，可能就变成word操作中最复杂的问题了。

因为字体、拼写检测等细微的差别，word中在一起的字符串，转到xml时有可能会封装到几个<w:r>中。这就给替换带来很大难度，使原本简单的问题变的复杂。

如：[pr:test/]有可能会被分解到三个<w:r>,还可能更多。最多会分散到n！个<w:r>中,n是标记包含的字符数。

这就给找到匹配增加了难度，也很难保留原来的word格式。
   为了实现Doc的随机读写，只能用xpath，下面是[pr:test/]在word xml中的一种情况

<w:r>
        <w:rPr>
            <w:rFonts w:ascii="新宋体" w:fareast="新宋体"/>
            <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            <w:noProof/>
            <w:color w:val="A31515"/>
            <w:kern w:val="0"/>
            <w:sz w:val="18"/>
            <w:sz-cs w:val="18"/>
        </w:rPr>
        <w:t>[pr</w:t>
    </w:r>
    <w:r>
        <w:rPr>
            <w:rFonts w:ascii="新宋体" w:fareast="新宋体" w:hint="fareast"/>
            <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            <w:noProof/>
            <w:color w:val="A31515"/>
            <w:kern w:val="0"/>
            <w:sz w:val="18"/>
            <w:sz-cs w:val="18"/>
        </w:rPr>
        <w:t>:</w:t>
    </w:r>
    <w:r>
        <w:rPr>
            <w:rFonts w:ascii="新宋体" w:fareast="新宋体"/>
            <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/>
            <w:noProof/>
            <w:color w:val="A31515"/>
            <w:kern w:val="0"/>
            <w:sz w:val="18"/>
            <w:sz-cs w:val="18"/>
        </w:rPr>
        <w:t>test/]</w:t>
    </w:r>

 

我到目前想到了三种解决方案：

第一种最快，但是他只能解决标记位于一个<w:r>中的情况：

public string ReplaceMarker(MarkerValueCollection mvc,bool isVerify)

 

因为假设标记位于是连续的，所以把xml当作纯文本，用正则表达式替换就可以了。
   第二中方案，可以解决段落中含有[],[/],[[pr:test/]/]的情况，标记中的个字符可以分散到任意个<w:r>，但是要求段中不能包含不匹配的[和]。

   思路是：一次仅替换一个标记一次。因为假定标记成对出现，可以根据其实标记的位置，把属于同一个标记的各个<w:r>节点入栈，并且只保留栈顶的节点，把其他节点的值放到栈顶节点，删除其他节点。这样就把标记规范化了，即把分散到多个的<w:r>的标记合并到一个<w:r>。

   第三种解决方案，目前似乎可以解决上面所有的问题。在包含“大幅度d[][[pr:test/]sfsad[][[pr:test1/]/][[pr:test/] test1dfdfd的的[pr:tesdfd1/]”的word文本中可以正确识别标记。

 public XmlNode ReplaceMarker(XmlNode paragraph, CommonMarker cmarker, string value)

   

思路：思路和第二中类似，都是先规范标记，把分散到多个的<w:r>的标记合并到一个<w:r>。不同的是对包含标记的段落执行逐字符匹配，如果匹配开始标记，则入栈，碰到结束标记则出栈，解析栈中的节点。

调整后的xml是：

  

 

 

替换中出现的难点是：

1、   尽可能的保留word格式，如果只保留段格式，第一中方案就可以了，后两种只是为了尽可能保留段内文本的word格式，单仍有破坏（这是不可能避免的，最小化的破坏格式）。

2、  从word中抽出的节点，被修改后还能放到原来的位置，这就使功能强大的正则很难使用。

总：第三种是比较好的解决替换的方法，不知道大家还有什么好思路？我已经为它头疼两周了，一直找不到更好的算法。
第三种方法是刚想到的，我现在觉的还行，有人有更好的解决方式，一定要留言啊！

 

解析WordprocessingML（一）查找和替换

http://www.cnblogs.com/bluewater/admin/EditPosts.aspx?postid=627710

解析WordprocessingML（三）解析WordMl的基本方法和途径（a）

http://www.cnblogs.com/bluewater/archive/2007/03/02/661824.html

解析WordprocessingML（三）解析WordMl的基本方法和途径（b）

http://www.cnblogs.com/bluewater/archive/2007/03/02/661885.html

解析WordprocessingML（四）转换到Html格式