您好,登錄后才能下訂單哦!
這篇文章將為大家詳細講解有關(guān)node.js中怎么讀取docx文本,文章內(nèi)容質(zhì)量較高,因此小編分享給大家做個參考,希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。
其實docx就是一個zip包,然后封裝了一些xml文件??梢灾苯訉ocx的包改后綴為.zip來打開觀看。
進入word文件夾
里面有幾個主要的文件。
document.xml 這個就是文檔的主要內(nèi)容
numbering.xml 這個就是標題號,以及標題號的一些屬性
styles.xml 這個就是樣式列表
打開document.xml 你就會發(fā)現(xiàn),所有的文本都是用 <w:t>標簽包著的。這個就是本文的關(guān)鍵
代碼
首先,需要通過npm安裝一個能查看zip文件的包:adm-zip;
然后,寫下下列代碼即可
const fs = require("fs"); const AdmZip = require('adm-zip'); //引入查看zip文件的包 const zip = new AdmZip(filePath); //filePath為文件路徑 let contentXml = zip.readAsText("word/document.xml");//將document.xml讀取為text內(nèi)容; let str = ""; contentXml .match(/<w:t>[\s\S]*?<\/w:t>/ig).forEach((item)=>{ str += item.slice(5,-6)}); fs.writeFile("./2.txt",str,(err)=>{//將./2.txt替換為你要輸出的文件路徑 if(err)throw err; });
最近正在用node.js去解析docx的工作。先將最簡單的寫在上面?;仡^有空再繼續(xù)分享
最新更新
之前隨手寫的代碼,今天測試發(fā)現(xiàn)用更新后的代碼比源代碼的效率提升十倍以上。
//原代碼 //str += item.replace("<w:t>","").replace("</w:t>",""); //更新代碼 str += item.slice(5,-6)
附上測試代碼
var str = "<w:t>sdfjpasif aefnmasd;lf asdfsdf</w:t>"; var arr = []; for(var i=0;i<50000;i++){ arr.push(str); } console.time("replactest"); arr.forEach((item)=>{ item.replace(/<w:t>/,"").replace(/<\/w:t>/,""); }); console.timeEnd("replactest"); //replactest: 20.560ms console.time("replactest2"); arr.forEach((item)=>{ item.replace(/<\/*w:t>/g,""); }); console.timeEnd("replactest2"); //replactest2: 14.926ms console.time("replactest3"); arr.forEach((item)=>{ item.replace(/(^<w:t>)|(<\/w:t>$)/g,""); }); console.timeEnd("replactest3"); //replactest3: 14.402ms console.time("slice"); arr.forEach((item)=>{ item.slice(5,-6); }); console.timeEnd("slice"); //slice: 1.718ms
關(guān)于node.js中怎么讀取docx文本就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學(xué)到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。