Поскольку около миллиарда человек используют Microsoft Office, формат DOCX является де-факто самым популярным стандартом для обмена файлами документов между офисами. Хотя DOCX является сложным форматом, вы можете проанализировать его вручную для более простых задач, таких как индексация, преобразование в TXT и внесение других небольших изменений. Я хотел бы предоставить вам достаточно информации о внутреннем устройстве DOCX, чтобы вам не пришлось обращаться к спецификациям ECMA — объемному руководству на 5000 страниц.
Поскольку около миллиарда человек используют Microsoft Office, формат DOCX является де-факто самым популярным стандартом для обмена файлами документов между офисами. Его ближайший конкурент — формат ODT — поддерживается только Open/LibreOffice и некоторыми продуктами с открытым исходным кодом, что делает его далеким от стандарта. Формат PDF не является конкурентом, потому что PDF-файлы нельзя редактировать и они не содержат полной структуры документа, поэтому они могут вносить только ограниченные локальные изменения, такие как водяные знаки, подписи и т.п. Вот почему большинство деловых документов создаются в формате DOCX; нет хорошей альтернативы для его замены.
Несмотря на то, что DOCX – сложный формат, вам может потребоваться проанализировать его вручную для более простых задач, таких как индексирование, преобразование в TXT и внесение других небольших изменений. Я хотел бы предоставить вам достаточно информации о внутреннем устройстве DOCX, чтобы вам не пришлось обращаться к спецификациям ECMA — объемному руководству на 5000 страниц.
Лучший способ понять формат — создать простой документ из одного слова в MSWord и посмотреть, как редактирование документа меняет лежащий в его основе XML. Вы столкнетесь с некоторыми случаями, когда DOCX не форматируется должным образом в MS Word, и вы не знаете, почему, или столкнетесь со случаями, когда не очевидно, как создать желаемое форматирование. В этом поможет видение и понимание того, что происходит в XML.
Около года я работал над редактором DOCX для совместной работы CollabOffice и хочу поделиться своими знаниями с сообществом разработчиков. В этой статье я объясню файловую структуру DOCX, обобщив информацию, разбросанную по Интернету. Эта статья является промежуточным звеном между огромной и сложной спецификацией ECMA и простыми онлайн-руководствами, доступными в настоящее время. Вы можете найти файлы, сопровождающие эту статью, в проекте toptal-docx в моей учетной записи github.
Простой файл DOCX
Несмотря на то, что мы создали простой документ, в процессе сохранения в Microsoft Word были созданы темы по умолчанию, свойства документа, таблицы шрифтов и т. д. в формате XML.
Для начала давайте удалим неиспользуемые элементы и сосредоточимся на document.xml, который содержит основные текстовые элементы. Когда вы удаляете файл, убедитесь, что вы удалили все ссылки на него из других файлов xml. Вот пример сравнения кода, показывающий, как я удалил зависимости от app.xml и core.xml. Если у вас есть какие-либо неразрешенные/отсутствующие ссылки, MSWord будет считать файл поврежденным.
Вот структура нашего упрощенного минимального документа DOCX (а вот и проект на github):
Давайте разберем по файлам отсюда, сверху:
_rels/.rels
Определяет ссылку, которая сообщает MS Word, где искать содержимое документа. В данном случае это ссылка на word/document.xml :
_rels/document.xml.rels
Этот файл определяет ссылки на ресурсы, такие как изображения, встроенные в содержимое документа. В нашем простом документе нет встроенных ресурсов, поэтому тег отношения пуст:
[Content_Types].xml
[Content_Types].xml содержит информацию о типах мультимедиа внутри документа. Поскольку у нас есть только текстовый контент, это довольно просто:
документ.xml
Наконец, вот основной XML с текстовым содержимым документа. Я удалил некоторые объявления пространств имен для ясности, но вы можете найти полную версию файла в проекте github. В этом файле вы обнаружите, что некоторые ссылки на пространство имен в документе не используются, но вам не следует их удалять, поскольку они нужны MS Word.
Вот наш упрощенный пример:
Основной узел представляет собой сам документ, содержит абзацы и вложенные в него размеры страницы, определенные с помощью .
это атрибут, который можно игнорировать; он используется внутренними компонентами MS Word.
Давайте рассмотрим более сложный документ с тремя абзацами. Я выделил XML теми же цветами на снимке экрана из Microsoft Word, чтобы вы могли видеть взаимосвязь:
Структура абзаца
Простой документ состоит из абзацев, абзац состоит из строк (серии текста с одинаковым шрифтом, цветом и т. д.), а строки состоят из символов (например, ). внутри тегов может быть несколько символов, и их может быть несколько в одном прогоне.
Опять же, мы можем игнорировать .
Свойства текста
Основные свойства текста — это шрифт, размер, цвет, стиль и т. д. Существует около 40 тегов, определяющих внешний вид текста.Как вы можете видеть в нашем примере с тремя абзацами, у каждого прогона есть свои собственные свойства внутри , спецификация и жирность .
Важно отметить, что свойства делают различие между двумя группами символов, обычным и сложным письмом (например, арабским), и что свойства имеют разные теги в зависимости от того, на какой тип символов они воздействуют.< /p>
Большинство тегов свойств обычных скриптов имеют соответствующий тег сложного скрипта с добавленной буквой «C», указывающей, что свойство предназначено для сложных скриптов. Например: (курсив) становится , а полужирный тег для обычного письма становится для сложного письма.
Стили
В Microsoft Word есть целая панель инструментов, посвященная стилям: обычный, без интервала, заголовок 1, заголовок 2, заголовок и т. д. Эти стили хранятся в /word/styles.xml (примечание: на первом этапе нашего простого примера мы удалили этот XML из DOCX. Чтобы увидеть это, создайте новый DOCX).
После того как вы определили текст как стиль, вы найдете ссылку на этот стиль внутри тега свойств абзаца, . Вот пример, где я определил свой текст со стилем Заголовок 1:
а вот и сам стиль из styles.xml:
Xpath указывает, что шрифт выделен полужирным, и указывает цвет шрифта. указывает MSWord использовать стиль «Обычный» для любых отсутствующих свойств.
Наследование собственности
Свойства текста наследуются. Прогон имеет свои собственные свойства ( w:p/w:r/w:rPr/* ), но он также наследует свойства абзаца ( w:r/w:pPr/* ), и оба могут ссылаться на свойства стиля из / слово/стили.xml .
Абзацы и прогоны начинаются со свойствами по умолчанию: w:styles/w:docDefaults/w:rPrDefault/* и w:styles/w:docDefaults/w:pPrDefault/* . Чтобы получить конечный результат свойств персонажа, вы должны:
Использовать свойства запуска/абзаца по умолчанию
Добавить свойства стиля прогона/абзаца
Добавить локальные свойства запуска/абзаца
Добавить свойства прогона результатов к свойствам абзаца.
Когда я говорю "присоединить" B к A, я имею в виду повторение всех свойств B и переопределение всех свойств A, оставляя все непересекающиеся свойства как есть.
Еще одно место, где могут быть расположены свойства по умолчанию, — это тег с w:type="paragraph" и w:default="1" . Обратите внимание, что сами символы внутри прогона никогда не имеют стиля по умолчанию, поэтому фактически не влияют на текст.
Переключить свойства
Некоторые свойства являются переключаемыми, например (жирный шрифт) или (курсив); эти атрибуты ведут себя как оператор XOR.
Это означает, что если родительский стиль выделен полужирным шрифтом, а дочерний шрифт выделен жирным шрифтом, результатом будет обычный нежирный текст.
Чтобы правильно обрабатывать атрибуты-переключатели, необходимо провести много тестов и перепроектировать. Взгляните на параграф 17.7.3 спецификации Open XML ECMA-376, чтобы получить формальные подробные правила для свойств переключения/
Шрифты
Шрифты подчиняются тем же общим правилам, что и другие текстовые атрибуты, но значения свойств шрифта по умолчанию указываются в отдельном файле темы, на который ссылаются в word/_rels/document.xml.rels следующим образом:
Исходя из приведенной выше ссылки, имя шрифта по умолчанию будет найдено в word/theme/themes1.xml внутри тега a:themeElements/a:fontScheme/a:majorFont или a:minorFont.
Размер шрифта по умолчанию — 10, если тег w:docDefaults/w:rPrDefault отсутствует, тогда размер шрифта — 11.
Выравнивание текста
Выравнивание текста задается тегом с четырьмя доступными режимами w:val: "слева", "по центру", "справа" и "оба".
«левый» — режим по умолчанию; текст начинается слева от прямоугольника абзаца (обычно на ширину страницы). (Этот абзац выровнен по левому краю, что является стандартным.)
Режим "center", как и ожидалось, центрирует все символы внутри ширины страницы. (Опять же, этот абзац иллюстрирует выравнивание по центру.)
В "правильном" режиме текст абзаца выравнивается по правому полю. (Обратите внимание, как этот текст выровнен по правому краю.)
Режим «оба» добавляет дополнительный интервал между словами, так что строки становятся шире и занимают всю ширину абзаца, за исключением последней строки, которая выравнивается по левому краю. (Этот абзац является демонстрацией этого.)
Изображения
DOCX поддерживает два типа изображений: встроенные и плавающие.
Встроенные изображения появляются внутри абзаца вместе с другими символами и используются вместо использования (текст). Идентификатор изображения можно найти с помощью следующего синтаксиса xpath:
Идентификатор изображения используется для поиска имени файла в файле word/_rels/document.xml.rels и должен указывать на файл gif/jpeg внутри подпапки word/media. (См. файл word/_rels/document.xml.rels проекта github, где вы можете увидеть идентификатор изображения.)
Плавающие изображения размещаются относительно абзацев, а текст обтекает их. (Вот пример документа проекта github с плавающим изображением.)
Плавающие изображения используются вместо , поэтому, если вы удаляете какой-либо текст внутри , будьте осторожны с якорями, если вы не хотите, чтобы изображения были удалены.
Таблицы
, сама таблица, имеет свойства таблицы, и каждое свойство столбца представлено внутри. Строки следуют одна за другой в виде тегов, и каждая строка должна иметь такое же количество столбцов, как указано в:
Ширина столбцов таблицы может быть указана в теге, но если вы не укажете ее, MS Word будет использовать свои внутренние алгоритмы, чтобы найти оптимальную ширину столбцов для наименьшего эффективного размера таблицы.
Единицы
Многие атрибуты XML внутри DOCX указывают размеры или расстояния. Хотя внутри XML они представляют собой целые числа, все они имеют разные единицы измерения, поэтому необходимо некоторое преобразование. Тема сложная, поэтому я бы порекомендовал эту статью Ларса Корнелиуссена о единицах измерения в файлах DOCX. Таблица, которую он представляет, полезна, хотя и с небольшой опечаткой: дюймы должны быть pt/72, а не pt*72.
Вот шпаргалка:
ОБЫЧНЫЕ ПРЕОБРАЗОВАТЕЛИ ЕДИНИЦ DOCX XML
20-я точка
Точки dxa/20
Дюймы pt/72
Сантиметры in*2,54
Половинный размер шрифта pt/144
EMU in*914400
Пример
11906
595,3
8,27…
21,00086…
4,135
7562088
Теги, использующие это
pgSz/pgMar/w:spacing
w:sz
wp:extent, a:ext
Советы по реализации макетировщика
Если вы хотите преобразовать файл DOCX (например, в PDF), нарисовать его на холсте или подсчитать количество страниц, вам придется реализовать компоновщик. Компоновщик — это алгоритм вычисления позиций символов в файле DOCX.
Это сложная задача, если вам требуется рендеринг со 100-процентной точностью. Количество времени, необходимое для реализации хорошего компоновщика, измеряется в человеко-годах, но если вам нужен только простой, ограниченный, это можно сделать относительно быстро.
Макетировщик заполняет родительский прямоугольник, который обычно представляет собой прямоугольник страницы. Он добавляет слова из прогона одно за другим. Когда текущая строка переполняется, она начинает новую. Если абзац слишком высок для родительского прямоугольника, он переносится на следующую страницу.
Вот несколько важных моментов, о которых следует помнить, если вы решите внедрить компоновщик:
Компоновщик должен позаботиться о выравнивании текста и наведении текста на изображения.
Он должен поддерживать работу с вложенными объектами, такими как вложенные таблицы.
Если вы хотите обеспечить полную поддержку таких изображений, вам придется реализовать компоновщик как минимум с двумя проходами, первый шаг собирает позиции плавающих изображений, а второй заполняет пустое пространство текстовыми символами.
Обратите внимание на отступы и пробелы. У каждого абзаца есть интервалы до и после, и эти числа задаются тегом w:spacing. Вертикальный интервал определяется тегами w:after и w:before. Обратите внимание, что межстрочный интервал определяется w:line, но это не размер строки, как можно было бы ожидать. Чтобы получить размер строки, возьмите текущую высоту шрифта, умножьте на w:line и разделите на 12.
Файлы DOCX не содержат информации о нумерации страниц. Вы не найдете количество страниц в документе, если не подсчитаете, сколько места вам нужно для каждой строки, чтобы определить количество страниц. Если вам нужно найти точные координаты каждого символа на странице, обязательно учитывайте все пробелы, отступы и размеры.
Если вы реализуете полнофункциональный макетировщик DOCX, который обрабатывает таблицы, обратите внимание на особые случаи, когда таблицы занимают несколько страниц. Ячейка, вызывающая переполнение страницы, также влияет на другие ячейки.
Создание оптимального алгоритма для расчета ширины столбцов таблицы — сложная математическая задача, поэтому текстовые процессоры и программы компоновки обычно используют неоптимальные реализации. Предлагаю в качестве первого приближения использовать алгоритм из HTML-табличной документации W3C. Я не нашел описания алгоритма, используемого в MS Word, и Microsoft со временем доработала этот алгоритм, чтобы разные версии Word могли размещать таблицы немного по-разному.
Если что-то непонятно: реконструируйте XML!
Когда непонятно, как работает тот или иной XML-тег внутри MS Word, есть два основных подхода к выяснению этого:
Создавайте нужный контент шаг за шагом. Начните с простого файла docx. Сохраняйте каждый шаг в отдельный файл, например, 1.docx, 2.docx. Разархивируйте каждый из них и используйте инструмент визуального сравнения для сравнения папок, чтобы увидеть, какие теги появляются после ваших изменений. (Чтобы получить коммерческую версию, попробуйте Araxis Merge или бесплатную версию WinMerge.)
Если вы создаете файл DOCX, который не нравится MS Word, действуйте в обратном порядке. Шаг за шагом упрощайте XML. В какой-то момент вы узнаете, какое изменение MS Word считает неправильным.
DOCX довольно сложен, не так ли?
Это сложно, и лицензия Microsoft запрещает использование MS Word на стороне сервера для обработки DOCX — это довольно стандартно для коммерческих продуктов.Однако Microsoft предоставила файл XSLT для обработки большинства тегов DOCX, но он не даст вам 100-процентной или даже 99-процентной точности. Такие процессы, как наложение текста на изображения, не поддерживаются, но вы сможете поддерживать большинство документов. (Если вам не нужна сложность, рассмотрите возможность использования Markdown в качестве альтернативы.)
Если у вас есть достаточный бюджет (бесплатного механизма рендеринга DOCX нет), вы можете использовать коммерческие продукты, такие как Aspose или docx4j. Самым популярным бесплатным решением является LibreOffice для преобразования между DOCX и другими форматами, включая PDF. К сожалению, LibreOffice содержит много мелких ошибок во время преобразования, и, поскольку это сложный продукт C++ с открытым исходным кодом, исправить проблемы с точностью очень сложно и медленно.
В качестве альтернативы, если макет DOCX кажется вам слишком сложным для самостоятельной реализации, вы также можете преобразовать его в HTML и использовать для отображения в браузере. Вы также можете обратиться к одному из внештатных XML-разработчиков Toptal.
Мне нужно скопировать часть Свода федеральных правил (CFR) с веб-сайта государственной типографии. Та часть, которая мне нужна, то есть весь CFR, если на то пошло, доступна для скачивания ТОЛЬКО в формате .xml. Никаких pdf, mo MS word, никаких открытых форматов документов (.odf), ничего, кроме .xml.
Конечно, Word 2010 откроет файл, но форматирование будет удалено. То есть отсутствует все форматирование заголовков и, что более важно для чтения Регламента, все отступы. Когда один заголовок может иметь до семи (7) уровней отступов, становится очень сложно отслеживать, где вы находитесь, когда эти элементы отсутствуют.
Я пробовал форматировать вручную, но с более чем миллионом (да, 1 000 000+) слов, что сродни подсчету песчинок на пляже. Я потратил более двух часов на один раздел и за это время написал всего около 5000 слов.
Итак, как мне выполнить эту задачу? Я ничего не знаю о макросах или языке (?), стоящем за xml.
Эта тема заблокирована. Вы можете подписаться на вопрос или проголосовать за него как полезный, но вы не можете отвечать в этой теме.
Сообщить о нарушении
Домогательство – это любое поведение, направленное на то, чтобы побеспокоить или расстроить человека или группу людей. К угрозам относятся любые угрозы самоубийства, насилия или причинения вреда другому человеку. Любой контент на тему для взрослых или неуместный для веб-сайта сообщества. Любое изображение, ссылка или обсуждение наготы. Любое поведение, которое является оскорбительным, грубым, вульгарным, оскверняет или демонстрирует неуважение. Любое поведение, которое может нарушать лицензионные соглашения с конечными пользователями, включая предоставление ключей продукта или ссылок на пиратское программное обеспечение. Незапрашиваемая массовая рассылка или массовая реклама. Любые ссылки на вирусы, шпионское ПО, вредоносное ПО или фишинговые сайты или их пропаганда. Любой другой неприемлемый контент или поведение, как это определено Условиями использования или Кодексом поведения. Любое изображение, ссылка или обсуждение, связанные с детской порнографией, детской наготой или другим жестоким обращением с детьми или их эксплуатацией.
Доброе утро, Питер.
Спасибо за понятный ответ.
Совершенно случайно я нашел полурешение, которое дало мне результат, очень похожий на первую часть вашего ответа.
По причинам, выходящим за рамки этого ответа, несколько месяцев назад я отказался от кабельного провайдера и перешел на Hughes Net. Моя скорость загрузки, честно говоря, ужасна как с Edge, так и с Firefox. После нескольких попыток загрузки нужной мне части я подумал, что, возможно, смогу добиться большей скорости с помощью менее сложного браузера, поэтому я открыл раздел сайта, Часть 1039, в Internet Explorer. Как только деталь загрузилась в браузер, мне стало интересно, как будет выглядеть продукт, если я его распечатаю. Итак, бла, бла, бла, а затем я попытался распечатать PDF-принтер для моего редактора .pdf.
Открылся редактор, появился документ и знаете что? Это выглядело очень хорошо! Экспортировал это в Word, и хотя лучше не стало (многие отступы отсутствуют), хуже тоже не стало.
Я получил ваш ответ чуть позже и попробовал первую часть решения; финал очень похож на вывод из IE.
Думаю, теперь, когда я сравниваю шаги, мой "несчастный случай" очень похож на ваше предложение открыть XML в браузере, за исключением того, что я использовал функцию печати для перехода в PDF вместо копирования/вставки в Word.
Я попробую ваш подход, оставив теги и воспользовавшись поиском/заменой их вкладками, и посмотрю, как это выглядит.
Еще раз спасибо, что нашли время ответить. Я ценю это.
Сообщить о нарушении
Домогательство – это любое поведение, направленное на то, чтобы побеспокоить или расстроить человека или группу людей. К угрозам относятся любые угрозы самоубийства, насилия или причинения вреда другому человеку. Любой контент на тему для взрослых или неуместный для веб-сайта сообщества. Любое изображение, ссылка или обсуждение наготы. Любое поведение, которое является оскорбительным, грубым, вульгарным, оскверняет или демонстрирует неуважение. Любое поведение, которое может нарушать лицензионные соглашения с конечными пользователями, включая предоставление ключей продукта или ссылок на пиратское программное обеспечение. Незапрашиваемая массовая рассылка или массовая реклама.Любые ссылки на вирусы, шпионское ПО, вредоносное ПО или фишинговые сайты или их пропаганда. Любой другой неприемлемый контент или поведение, как это определено Условиями использования или Кодексом поведения. Любое изображение, ссылка или обсуждение, связанные с детской порнографией, детской наготой или другим жестоким обращением с детьми или их эксплуатацией.
Был ли этот ответ полезен?
Извините, это не помогло.
Отлично! Благодарим за отзыв.
Насколько вы удовлетворены этим ответом?
Спасибо за ваш отзыв, он помогает нам улучшить сайт.
Насколько вы удовлетворены этим ответом?
Спасибо за отзыв.
Первое, что я хотел бы сделать, это попытаться преобразовать XML с помощью преобразования XSL на сайте CFR. Это достаточно просто и довольно быстро.
Преобразование XSL берет документ XML и преобразует его во что-то другое, в данном случае документ HTML. Вы можете использовать это, чтобы открыть отформатированный документ в Word. Чего я не знаю, так это поможет ли это с фрагментом CFR, который вы хотите отформатировать.
Убедитесь, что ваш XML-файл закрыт.
Чтобы это сработало, вам нужно открыть этот файл дважды, поэтому не расстраивайтесь, если вы откроете что-то, что выглядит как мусор.
В Word выберите Файл->Открыть, найдите и выберите файл .xml, который вы пытаетесь отформатировать. Но не просто нажимайте кнопку «Открыть», как обычно. Нажмите стрелку вниз справа от кнопки "Открыть" и выберите "Открыть с преобразованием".
Теперь вы должны увидеть другое диалоговое окно. Найдите и выберите файл cfr.xml, который вы только что загрузили, и нажмите кнопку ОК.
Если вы видите диалоговое окно «Преобразовать файл», возможно, Word уже выбрал параметр XML-документ. Если нет, выберите его и нажмите OK.
Возможно, вы увидите диалоговое окно с сообщением о неподдерживаемых элементах XML. Щелкните по нему.
Word применяет преобразование и открывает файл. Но на данный момент вы видите целую кучу кода таблицы стилей.
Закройте это (ничего не сохраняйте).
Теперь снова перейдите в меню «Файл» -> «Открыть», выберите «Недавние» и откройте только что открытый XML-файл. Если вы снова увидите диалоговое окно «Преобразование файла», снова выберите XML-документ и нажмите «ОК». Вы также можете увидеть это диалоговое окно с предупреждением. Если это так, нажмите на него.
На этот раз вы должны увидеть нечто похожее на отформатированный документ. Я предполагаю, что он будет не очень хорошо отформатирован (он не использует какие-либо функции стиля Word, что затрудняет работу с результатами), но может подойти для ваших целей.
Если это бесполезно, вы можете пойти несколькими путями.
- Возможно, вы сможете найти лучшее преобразование, которое может значительно улучшить вывод Word.
- если вы открываете XML с помощью интернет-браузера, он, вероятно, будет иметь преобразование по умолчанию, которое будет размещать XML более аккуратно, чем то, что вы видите, когда открываете его в Word. (Может варьироваться в зависимости от браузера). Здесь я смог выделить всю страницу текста в браузере и скопировать ее в Word, что привело к гораздо более аккуратному макету. Затем вам нужно будет использовать «Найти/Заменить» (или, например, VBA, если вы можете), чтобы заменить все теги элемента XML (вещи внутри угловых скобок <>). Если вам нужна дополнительная помощь, отправьте ответ.
– В принципе, вы можете создавать свои собственные, но вам нужно знать язык XSL и многое другое.
- Вы можете использовать теги XML в файле, чтобы использовать Word Find/Replace для замены и, возможно, форматирования фрагментов текста.
< /p>
Формат файла XML, как и некоторые другие форматы, можно открывать и редактировать в Microsoft Word. Это расширенный текстовый формат, который используется для документов, в которых есть много специфического форматирования. Wondershare PDFelement — PDF Editor — один из самых эффективных и доступных инструментов для преобразования XML в Word. Процесс преобразования включает в себя 3 шага, которые выделены ниже. После завершения процесса расширение вашего файла изменится с .xml на .doc.
Как преобразовать XML в Word
В формате XML описание содержимого файла указывается в терминах конкретных описываемых данных. Например, теги разметки, содержащие слово phonenum, показывают, что следующие данные — это номер телефона. Файл в формате XML может обрабатываться компьютерной программой исключительно как данные или отображаться, как файл в формате HTML, или храниться с использованием аналогичных данных на другом компьютере. В примере, приведенном выше для phonenum, в зависимости от того, как приложение на принимающем компьютере решило обрабатывать номер телефона, он мог быть набран, сохранен или отображен. Чтобы преобразовать XML в Word с помощью PDFelement, вам необходимо выполнить следующие 3 шага:
Шаг 1. Откройте файл XML
Чтобы открыть файл XML, вы можете перетащить его на новую вкладку браузера, после чего он будет открыт браузером.
Шаг 2. Распечатайте XML
Нажмите кнопку "Печать" в браузере и выберите "PDFelement" в качестве принтера для печати.
Шаг 3. XML в Word
Распечатанный файл будет открыт в PDFelement, вы можете нажать кнопку «Преобразовать» > «В Word», чтобы преобразовать напрямую.
Почему стоит выбрать PDFelement для преобразования XML в Word
Популярный инструмент для бизнеса и домашних пользователей, PDFelement предлагает впечатляющие функции и возможности, которые помогут вам профессионально управлять своими файлами. Это удобный инструмент для преобразования XML в Word, PDF в Word, PDF в Excel, а также ряд других функций преобразования документов. PDFelement — идеальное программное обеспечение для тех, кто работает с указанными выше типами файлов, а также для тех, кто ищет недорогой набор инструментов для редактирования. Он в равной степени используется для создания, открытия и сохранения файлов PDF.
Изучите широкий спектр интересных функций PDFelement, специально разработанных для оптимизации ваших профессиональных и личных операций по управлению файлами. Этот программный пакет, по сути, является идеальной альтернативой полной версии Adobe Acrobat. Благодаря появлению формата PDF в качестве стандарта обмена документами в различных компьютерных системах пользователи могут легко просматривать документы, отправленные по электронной почте или загруженные с веб-сайтов.
PDFelement помогает редактировать PDF-файлы, которые вы не создавали лично (например, загруженные документы и т. д.), точно так же, как вы можете добавлять дополнительные материалы в документ Microsoft Word. Кроме того, он используется для аннотирования, почти так же, как Word, для добавления комментариев к исходному документу. Также программа позволяет удалять фрагменты/изображения текста. PDFelement, один из многих качественных продуктов Wondershare, представляет собой эффективный инструмент для включения собственной печати в отправляемый вам PDF-файл. Вы даже можете бесплатно пользоваться уникальными предложениями приложения на пробной основе.
Одними из наиболее выдающихся особенностей PDFelement являются его простота в использовании и быстрота. Это намного больше, чем просто программа для редактирования. Программное обеспечение предлагает увлекательный элемент проверки орфографии, встроенный в пакет, и вам не нужно экспортировать онлайн-проверку орфографии или новые текстовые элементы в Microsoft Word, чтобы убедиться, что ваш контент создан профессионально. В PDFelement учтены все эти аспекты.
Помимо этой функции, в нем также есть функция автоподбора. Пользователи, которые не знакомы с программным обеспечением для настольных издательских систем, сочтут эту опцию чрезвычайно полезной. Если вы пишете несколько слов для использования рядом с фотографией или диаграммой уже в редактируемом PDF-файле, это предложение позаботится о том, чтобы ваши слова не выходили за рамки и не дезорганизовали макет.
Благодаря удобной технологии оптического распознавания символов PDFelement позволяет преобразовывать текст в редактируемый формат. Это сделает его удобным для поисковых систем (удобным для Google), поскольку это больше не будет просто изображением текста.
Советы: понимание формата XML
Формат XML – это расширение файла, являющееся аббревиатурой Extensible Markup Language. Он используется для создания общих информационных форматов, а также для обмена данными и форматом на платформах, включая World Wide Web, интранет и другие, с помощью стандартного текста ASCII.
Формат XML имеет мало общего с HTML. Один из них заключается в том, что они используют символы разметки для описания содержимого страницы или файла. Однако HTML, язык гипертекстовой разметки, описывает содержимое веб-страницы (в основном текст и графические изображения) исключительно в отношении того, как оно должно отображаться и с чем взаимодействовать. В качестве примера: буква "p", помещенная в теги разметки, начинает новый абзац.
В отличие от HTML, XML считается расширяемым из-за того, что символы разметки определяют сами себя и не имеют ограничений. Этот последний формат является более простым в использовании подмножеством SGML, что означает стандартный обобщенный язык разметки, стандарт для метода создания структуры документа. И HTML, и XML часто используются вместе во многих веб-приложениях. Например, XML-разметка может отображаться на HTML-странице.
Решение XML Printer предоставляет альтернативный способ создания отчетов Microsoft Dynamics AX (Axapta) в формате Microsoft Word.
2. Предпосылки
Microsoft Word 2003.
Инструмент вывода XSLT для Microsoft Word 2003.
3.Фон
XML — это стандартная технология обмена данными между различными платформами и приложениями. Общая идея XML Printer заключается в создании файлов XML на основе источников данных, используемых в отчетах Microsoft Dynamics AX (Axapta). Автоматически сгенерированные XML-файлы могут использоваться в качестве источников данных для шаблонов Microsoft Word, что позволяет использовать XML-принтер вместе с предопределенными шаблонами Microsoft Word и получать документ Microsoft Word из отчета Microsoft Dynamics AX (Axapta) в качестве конечного результата.
Функциональность XML-принтера состоит из двух основных частей:
Создайте шаблон Microsoft Word на основе правильной схемы XSD, которая должна быть создана для использования XML-принтера в качестве Word-принтера.
Преобразование шаблона Microsoft Word в преобразование XSL с помощью специального инструмента Microsoft Word 2003 XSLT Inference.
4. Рабочий процесс
4.1. Создание XML-файла с данными на основе отчета Microsoft Dynamics AX (Axapta)
Принтер XML работает как обычный принтер Microsoft Dynamics AX (Axapta). Например. необходимо перенаправить вывод отчета Microsoft Dynamics AX (Axapta) на XML-принтер. В результате будет сгенерирован XML-файл со всеми данными, использованными в отчете. С помощью кнопки «Настройка принтера» в процедуре проводки (например, проводка предложения / упаковочной накладной / счета-фактуры) или кнопки «Параметры» в диалоговом окне отчета необходимо выбрать XML-принтер и указать имя файла для вновь созданного XML-файла, как показано на рисунке 1. .
Рисунок 1. Настройки XML-принтера
Этот шаг можно пропустить, если схема XSD (см. главу 4.2) создается вручную.
4.2. Генерация XSD-схемы из XML-файла
4.3. Создание шаблона Microsoft Word из схемы XSD
На этом шаге создается шаблон Microsoft Word со ссылками на XSD-элементы. Так как шаблон создается в Microsoft Word, это позволяет максимально сохранить возможности форматирования в итоговом документе.
Используя меню «Инструменты => Шаблоны и надстройки» Microsoft Word 2003, вкладка «Схема XML => Добавить схему», необходимо связать схему XSD, созданную в п. 4.2 с шаблоном Microsoft Word, как показано на рис. 2.
Рисунок 2. Связывание шаблона Microsoft Word и схемы XSD
После прикрепления схемы XSD можно вставить элементы XML в шаблон Microsoft Word, как показано на рисунке 3.
Рисунок 3. Пример шаблона Microsoft Word с элементами XML
При создании окончательного документа эти элементы XML заменяются реальными данными из отчета Microsoft Dynamics AX (Axapta).
4.4. Генерация преобразования XSL из шаблона Microsoft Word
С помощью Microsoft Office Word 2003 XSLT Inference Tool необходимо создать преобразование XSL из ранее созданного шаблона Microsoft Word. Преобразование XSL помогает быстро преобразовывать XML-файлы в документы со сложным и богатым форматированием.
Чтобы получить файл преобразования XSL, необходимо выполнить следующие шаги:
Сохранить шаблон Microsoft Word как XML («Файл => Сохранить как => XML-документ»). Флажки «Применить преобразование» и «Сохранить только данные» должны быть сняты, как показано на рисунке 4.
Использовать сохраненный XML-шаблон в качестве параметра для утилиты «wml2xslt.exe», например. «wml2xslt.exe quotationreport.xml».
Рисунок 4. Сохранение шаблона Microsoft Word в формате XML
В результате создается XSL-преобразование «quotationreport.xsl».
4.5. Создание документа Microsoft Word из отчета Microsoft Dynamics AX (Axapta)
На этом этапе предполагается, что шаблон в формате преобразования XSL существует в папке \Appl\Standard\WordTemplates. Значение свойства отчета «Заголовок» используется для связывания файла XML с данными отчета и шаблоном XSL. Например. если мы выводим отчет «SalesQuotation» на XML-принтер, необходимо сохранить XSL-шаблон как «\Appl\Standard\WordTemplates\QuotationReport.xsl». В этом случае сгенерированный юникод XML-файл «Appl\Standard\WordReports\_quotation.xml» будет открыт в Microsoft Word и автоматически преобразован в документ Microsoft Word в соответствии с файлом преобразования XSL.
5. Заключение
XML Printer позволяет генерировать отчеты Microsoft Dynamics AX (Axapta) в формате Microsoft Word без дополнительного программирования. Он сохраняет максимальные функции форматирования в конечном документе, обеспечивая высокую производительность вывода.
