前言
最近有一个case。需要去解析word文档。有两个需求,一个是将word文档转成PDF,一个是将word文档中的内容按照一定的规范读取到数据库中,去npm仓库找了大概有十几个包,发现主要是通过以下的方式来转换代码。
后来退而求其次,想通过先将docx转成文字,发现了个textract的包。
不怕死的我决定自己干这件事情。
介绍
其实docx就是一个zip包,然后封装了一些xml文件。可以直接将docx的包改后缀为.zip来打开观看。
进入word文件夹
里面有几个主要的文件。
打开document.xml 你就会发现,所有的文本都是用
代码
首先,需要通过npm安装一个能查看zip文件的包:adm-zip;
然后,写下下列代码即可
最近正在用node.js去解析docx的工作。先将最简单的写在上面。回头有空再继续分享
最新更新
之前随手写的代码,今天测试发现用更新后的代码比源代码的效率提升十倍以上。
附上测试代码
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(/(^
});
console.timeEnd("replactest3");
//replactest3: 14.402ms
console.time("slice");
arr.forEach((item)=>{
item.slice(5,-6);
});
console.timeEnd("slice");
//slice: 1.718ms
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家学习或者使用node.js能带来一定的帮助,如果有疑问大家可以留言交流。