Парсинг docx документа

Ситуация такая: есть парсер, который парсит docx библиотекой documentformat.openxml. Парсинг берёт все "раны" (теги в xml, в которых располагаются куски текста по разным стилям) и заменяет определенный текст на нужные данные. Возможно, выбрана не та библиотека, но тогда мне нужна подсказка, потому что сейчас происходит нечто невообразимое: т.к. парсинг работает с xml, соответственно создавать и редактировать документ можно только в xml, потому что набирать текст в docx - значит стрелять себе в ногу, ибо этот самый текст располагается в "ранах" непредсказуемо, т.е. даже одно слово может располагаться в разных "ранах" и парсинг не может заменить текст в этих ранах. Но это пол беды, потому что даже если весь текст был написан через xml и все раны сформированы руками, то при редактировании (например, постановка пробела в любой части документа) текст word вновь формирует ВЕСЬ ТЕКСТ документа в свои созданные раны и опять всё по новой. Есть люди, которые каким-то другим образом формируют документы на основе шаблонов, какой метод можно использовать, потому что этот потихоньку сводит меня с ума

0

Ziltoid Townsen, тут проблема в тупом парсере, а не в Word'е или используемой библиотеке. С точки зрения содержимого, а не стилей, произвольная последовательность run'ов является одной строкой и парсер их так и должен рассматривать. Если так будет удобнее, то соседние run'ы с одним набором атрибутов можно смело объединять в один, если Word это нормально воспринимает.

Так что это вопрос прямоты рук программиста писавшего парсер. documentformat.openxml тут ни причём.

0

Сообщение от Usaga С точки зрения содержимого, а не стилей, произвольная последовательность run'ов является одной строкой и парсер их так и должен рассматривать.

Как тогда необходимо парсить текст? На данный момент это происходит так:

0

Ziltoid Townsen, не уверен, что вы осилите такую задачу.

Один из вариантов: завести некий класс TextRunnerString, который будет представлять из себя абстрактную строку. Этот класс будет содержать список объектов Text, а так же набор методов для поиска и замены строк (или других манипуляций со строкой). Поиск подстроки или слова, в этом классе, будет идти по связному списку (надеюсь знаете что такое?) из объектов Text. Замена слова, что пересекает границу раннера - выкусывание его самой левой части и замена на полное слово в самом правом раннере.

Я очень сомневаюсь, что вы вообще поняли что я советую) Посмотрите код класса StringBuilder. Он под капотом нечто похожее делает. У него там коллекция массивов символов, кажется по 8К элементов каждый, и он умеет выполнять различные манипуляции с этим делом, чтобы в конце получить целую строку.

0

Сообщение от Usaga Замена слова, что пересекает границу раннера - выкусывание его самой левой части и замена на полное слово в самом правом раннере.

В итоге, левая часть должна остаться пустой, как-то так?

0

Ziltoid Townsen, не пустой. Я бы просто убрал упоминание слова, что пересекает несколько раннеров, из всех ранныеров, кроме одного. Чтобы не придумывать, как новое слово разбить, чтобы так же раскидать по раннерам.

0

Сообщение от Usaga Я бы просто убрал упоминание слова, что пересекает несколько раннеров, из всех ранныеров, кроме одного.

Вот это прям очень сложно понять. Что такое "упоминание слова"? Как оно может пересекать несколько раннеров и находится не в одном раннере???

0

Сообщение от Ziltoid Townsen Как оно может пересекать несколько раннеров и находится не в одном раннере???

Вы же сами это сказали:

Сообщение от Ziltoid Townsen даже одно слово может располагаться в разных "ранах"

Или я не так понял?

0

Сообщение от Usaga Вы же сами это сказали:

Возможно и я не так понял. В общем. Вы говорите, что нужно "склеивать" раны, в рамках которых расположено нужное слово в один ран, правильно я понял?

0

Ziltoid Townsen, агась. Только нужно точно знать, что атрибуты этих ранов совпадают. Если различаются, то так сделать будет нельзя и слово придётся удалять из всех ранов, кроме одного.

Вот представьте себе такой текст:
Привет.

Тут слово состоит из трёх "ранов":
Такие раны в один склеить не можно, ибо у них разные атрибуты. Придётся перенести слово в одни из ранов.

0

Сообщение от Usaga Только нужно точно знать, что атрибуты этих ранов совпадают.

Да, понял теперь. А пустые раны же можно удалять? Они бесследно исчезнут?

0

Попробуйте)

0