| 技术论坛 |
|
|
| ≡技术区≡ ① |
| DELPHI技术 |
| lazarus/fpc/Free Pascal |
| 移动应用开发 |
| Web应用开发 |
| 数据库专区 |
| 报表专区 |
| 网络通讯 |
| 开源项目 |
| 论坛精华贴 |
| ≡发布区≡ ② |
| 发布代码 |
| 发布控件 |
| 文档资料 |
| 经典工具 |
| ≡事务区≡ ③ |
| 网站意见 |
| 盒子之家 |
| 招聘应聘 |
| 信息交换 |
| 论坛信息 |
|||
|
| 导航： | 论坛 -> DELPHI技术 斑竹:liumazi,sephil | |||||
| 作者： |
|
2022/7/13 21:12:03 | ||||
| 标题： |
|
加入我的收藏 | ||||
| 楼主： | 控件、类、函数，delphi能使用的Dll都可以，只需要能解析出文档文本就行。 ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/14 8:10:37 | ||||
| 1楼： | OLE? ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/14 8:28:17 | ||||
| 2楼： | …… 被禁用帐号，帖子内容自动屏蔽！ …… ---------------------------------------------- 该账号是个傻逼 |
|||||
| 作者： |
|
2022/7/14 8:30:38 | ||||
| 2楼： | doc协议好像不公开的，wps能用是因为N年前人家就有相互公开许可，，，破解工作也不知道有没有人做？ ---------------------------------------------- ==========-==========-==========-==========-========== 多隆， 给我备一匹最快的马， 我有事要走先~~~ ==========-==========-==========-==========-========== |
|||||
| 作者： |
|
2022/7/14 8:47:35 | ||||
| 3楼： | Delphi中一般都是通过OLE读取,像JAVA可以通过XWPFDocument去读取 ---------------------------------------------- delphi|vue|golang hnysoft|hnyerp+mes+srm |
|||||
| 作者： |
|
2022/7/14 9:15:09 | ||||
| 4楼： | 你这思路太死。ole把doc转换成docx.再来解析docx。 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/14 10:24:32 | ||||
| 5楼： | 就OLE了吧，看到以前读表格的代码大概： ... WordApp: TWordApplication; WordDoc: TWordDocument; 一堆OleVariant变量。。。 ... WordApp:= TWordApplication.Create(nil); WordDoc:= TWordDocument.Create(nil); WordApp.Documents.open(FileName,EmptyParam,true,EmptyParam,EmptyParam,...); WordDoc.ConnectTo(WordApp.Documents.Item(1)); For i := 1 To WordDoc.Tables.Count do begin myRow:=WordDoc.Tables.Item(i).Rows.Item(1); ... For j:= 1 To myRow.Cells.Count do begin myCell:=WordDoc.Tables.Item(i).Cell(1,j); ... end; end; ... ---------------------------------------------- Bye bye DDRFAN... |
|||||
| 作者： |
|
2022/7/14 11:19:20 | ||||
| 6楼： | …… 被禁用帐号，帖子内容自动屏蔽！ …… ---------------------------------------------- 该账号是个傻逼 |
|||||
| 作者： |
|
2022/7/14 12:55:48 | ||||
| 7楼： | github上有，类似rtf格式。解析还算好说，要回显就难了。 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/14 13:44:35 | ||||
| 8楼： | …… 被禁用帐号，帖子内容自动屏蔽！ …… ---------------------------------------------- 该账号是个傻逼 |
|||||
| 作者： |
|
2022/7/14 18:19:27 | ||||
| 9楼： | XtremeDocumentStudio Delphi控件 ---------------------------------------------- |
|||||
| 作者： |
|
2022/7/19 21:14:00 | ||||
| 10楼： | 我的目的就只是获取doc文件的正文文本，不用显示，不用编辑。 现在用的就是ole方式，它太慢了。 我从这里找到点资料，但看起来太复杂 http://t.zoukankan.com/Leo_wl-p-2966180.html 就想在论坛里看看有没有人已经实现了的。 ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/19 21:16:29 | ||||
| 11楼： | https://github.com/tony2u/docxx C++的 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/20 0:53:04 | ||||
| 12楼： | Binary File Format（BIFF） https://docs.microsoft.com/en-us/openspecs/office_file_formats/ms-doc/ccd7b486-7881-484c-a137-51170af7cc22 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/20 22:06:56 | ||||
| 13楼： | uses Vcl.gtxDOCDocument, gtWordDOMClasses,gtClasses; procedure TForm1.sButton1Click(Sender: TObject); var Run: TgtRun; DOCDocument: TgtxDOCDocument; Section: TgtSection; Paragraph: TgtParagraph; RunItem, ParaItem, TextItemItem: TgtDocItem; TextItem: TgtTextItem; PageElements: TObjectList<TgtDocItem>; begin DOCDocument := TgtxDOCDocument.Create; DOCDocument.LoadFromFile(sFilenameEdit1.Text); for Section in DOCDocument.DOCHandler.Sections do begin for ParaItem in Section.Items do begin Paragraph := ParaItem as TgtParagraph; for RunItem in Paragraph.Items do begin if RunItem Is TgtRun then begin Run := RunItem as TgtRun; for TextItemItem in Run.Items do begin if TextItemItem is TgtTextItem then begin TextItem := TextItemItem as TgtTextItem; Showmessage(TextItem.Text); end; end; // } end; end; end; end; DOCDocument.Free; end; XtremeDocumentStudio Delphi解析类可以处理,但对doc中文文档有兼容性问题. ---------------------------------------------- |
|||||
| 作者： |
|
2022/7/23 7:52:59 | ||||
| 14楼： | WPtools 试过没有？ ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/23 9:56:37 | ||||
| 15楼： | WPtools对.docx的兼容性都不太好！ ---------------------------------------------- 《Z-Gantt战石智慧时间管理进度计划甘特图软件》：WWW.Z-SHi.NET |
|||||
| 作者： |
|
2022/7/24 16:55:14 | ||||
| 16楼： | 正在尝试自己解析doc文本，在对类Free时产生错误，实在找不到原因，请教各位： 原码如下： constructor TDocFile.Create(filename: string); begin FOK:=false; FIsdoc := false; try FStream := TFileStream.Create(filename, fmOpenRead or fmShareDenyNone); if FStream.Size>512 then GetDocheader else raise Exception.Create('Doc文件打开失败:' + filename); except raise Exception.Create('Doc文件打开失败:' + filename); end; end; destructor TDocFile.Destroy; begin if Assigned(FStream) then FreeAndNil(FStream); inherited; end;// 就是在执行到这里时，会跳到system单元的这个函数 //procedure TMonitor.Destroy; //begin // if (MonitorSupport <> nil) and (FLockEvent <> nil) then 在这句里出错 // MonitorSupport.FreeSyncObject(FLockEvent); // SysFreeMem(@Self); //end; procedure TDocFile.free; begin if self<>nil then Destroy; end; function TDocFile.GetDirectory: TDOC_Directory; begin // end; function TDocFile.GetDocheader: TDocHeader; begin if Assigned(FStream) then begin FStream.Position := 0; if FStream.Read(FHeaderinfo, SizeOf(TDocHeader)) <> 512 then raise Exception.Create('Doc文件头信息获取失败。') else begin FOk:=true; setisdoc; if fisdoc then GetFirstDirectory; end; end; end; function TDocFile.GetFirstDirectory: TDOC_Directory; function IntPower(Base: integer; const Exponent: LongWord):Int64; var I: Integer; begin if Expon_ent=0 then result:=1 else if Expon_ent=1 then result:=base else begin result:=Base; for I := 2 to Exponent do result:=result*base; end; end; begin Fstream.Position:=512+IntPower(2,fheaderinfo.sectorSize)*fheaderinfo.startDirectory; FStream.Read(FFirstDirectory,128); end; function TDocFile.loadfromfile(filename: string): boolean; begin FreeAndNil(FStream); Fstream:=TFileStream.Create(filename,fmOpenRead or fmShareDenyNone); if FStream.Size>512 then GetDocheader else raise Exception.Create('Doc文件打开失败:' + filename); end; function TDocFile.loadfromstream(stream: tstream): boolean; begin Fstream.CopyFrom(stream); if FStream.Size>512 then GetDocheader else raise Exception.Create('Doc文件打开失败'); end; procedure TDocFile.setisdoc; begin if FOk then begin if (FHeaderinfo.doctag[0] = $D0) and (FHeaderinfo.doctag[1] = $CF) and (FHeaderinfo.doctag[2] = $11) and (FHeaderinfo.doctag[3] = $E0) and (FHeaderinfo.doctag[4] = $A1) and (FHeaderinfo.doctag[5] = $B1) and (FHeaderinfo.doctag[6] = $1A) and (FHeaderinfo.doctag[7] = $E1) then FIsdoc := True end else FIsdoc:=false; end; 错误信息看图片
tuao |
|||||
| 作者： |
|
2022/7/25 0:57:29 | ||||
| 17楼： | 你的 TDocFile 是从什么东西继承的？ 你的错误是 TMonitor 里面出来的。那么，你的程序会用到 TMonitor 吗？ 这个 TMonitor 是多线程用的。你在线程中使用 TDocFile？ 你的 TDocFile 有没有用到 OLE 去处理 WORD 文档？如果使用 OLE 的话，同时又是在多线程中使用的话，可能会有很多问题。至少需要考虑执行 ActiveX.CoInitialization 这样的代码来使得多线程中调用 OLE （实际上是 COM 或者 DCOM）满足多线程调用 COM 的基本要求。 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/7/25 22:28:08 | ||||
| 18楼： | TDocfile直接从最基类继承，没有使用ole。 interface uses Winapi.Windows, System.SysUtils, System.Variants, System.Classes; type TDocHeader = record doctag: array [0 .. 7] of byte; classid: array [0 .. 15] of byte; ver1: word; ver2: word; littleendian: word; sectorSize: word; miniSectorSize: word; space: array [0 .. 9] of byte; // 预留空白 fatCount: dword; startDirectory: dword; // 是Directory开始的SectorID affair: dword; // 事务 留空 streamSize: dword; startMiniFat: dword; miniFatCount: dword; startDif: dword; difCount: dword; fat109: array [0 .. 108] of dword; end; {$Z1} TDirectoryEntryType = (DET_Invalid, DET_Storage, DET_Stream, DET_LockBytes, DET_Property, DET_Root); TDOC_Directory= record name: array [0 .. 31] of WideChar; // 存储DirectoryEntry名称 nameLength: word; // 是DirectoryEntry名称的长度 _type: TDirectoryEntryType; // 是DirectoryEntry的类型 leftID: dword; // 是该DirectoryEntry左兄弟的EntryID rightID: dword; // 是该DirectoryEntry右兄弟的EntryID。 childrenID: dword; // 是该DirectoryEntry一个孩子的EntryID。 sectorID: dword; // 是该DirectoryEntry开始的SectorID。 contenLength: dword; // 是该DirectoryEntry存储的所有字节长度 end; PDocHeader = ^TDocHeader; TDocFile = class private FOk:Boolean; FDirectoryEntry: TDOC_Directory; FFilename: string; FStream: TFileStream; FIsdoc: Boolean; FHeaderinfo: TDocHeader; FFirstDirectory:TDOC_Directory; protected function GetDocheader: TDocHeader; function GetFirstDirectory: TDOC_Directory; function GetDirectory: TDOC_Directory; procedure setisdoc; public constructor Create(filename: string); destructor Destroy;override; function loadfromfile(filename:string):boolean; function loadfromstream(stream:tstream):boolean; property headerinfo: TDocHeader read FHeaderinfo; property isdoc: Boolean read FIsdoc; property FirstDirectory:TDOC_Directory read FFirstDirectory; procedure free; { Public declarations } end; const HeaderSize = 512; DEsize = 128; implementation { TDocFile } ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/25 22:46:57 | ||||
| 18楼： | 很久以前做过。附件是Delphi7的dcu
是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/26 13:23:49 | ||||
| 19楼： | 涛哥都被炸出来了啊 ---------------------------------------------- delphi 是兴趣，和工作无关，即使它倒闭。又不靠它 delphi 吃饭，怕甚？ |
|||||
| 作者： |
|
2022/7/26 14:34:09 | ||||
| 20楼： | 因为实在看不下去了 ---------------------------------------------- 是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/26 22:43:55 | ||||
| 21楼： | @138soft 能不能给个源码学习一下，或给个10.4能用的dcu ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/27 15:06:50 | ||||
| 22楼： | 根据你的问题标题要求，给你一个Dll吧。 office的文件格式是公开的，可以在微软网站找到。 office的文件格式分为两种，一种是旧的，可以使用复合文件API来读取、分析，一种是以x结尾的新式文件（比如说：docx），这种格式实际上使用了XML文件，文件本身实际上是zib格式，可以把文件扩展名改为zip然后就可以直接用解压缩软件打开。
是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/28 8:18:45 | ||||
| 23楼： | rtf的格式就已经非常头大了, docx 更是复杂的不得了,如果不是核心功能,不打算长期发展, 还是用第三方的东西吧, 比如 RichView 19开始就有导入,导入 docx的功能. ---------------------------------------------- UniKeeper V10.40 -- 您最贴心的个人数据管理助手 |
|||||
| 作者： |
|
2022/7/28 14:22:39 | ||||
| 24楼： | docx是最简单的，改为zip文件名称，打开，word\document.xml就是所有文字内容了，基本上无需解释，只需要找一个zlib直接解开docx即可。 一般提取文字，用于搜索引擎、资料数据自动入库等等，如果是显示，方案多的很。
是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/28 23:11:02 | ||||
| 25楼： | 非常感谢@138soft (138soft) docx我已经自己搞定了，doc用你的dll的话，在delphi10.4下有问题： 1.对docx支持不够好，存在内容获取不全、错乱等问题 2.对于doc，当文档字数较多（比如超过5000个中文字）时，引起程序崩溃 if OfficeFileToStr(PwideChar(od.FileName),@Ptext) then //Ptext不能是局部变量 begin ss:=StrPas(pchar(@Ptext));//这句可以执行 memo1.Lines.Text:=ss; //超过约5000字时，程序崩溃，就算再将ss:='abc'后再给memo赋值也一样崩溃 LocalFree(HLOCAL(pText)); end; ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/28 23:23:59 | ||||
| 26楼： | …… 被禁用帐号，帖子内容自动屏蔽！ …… ---------------------------------------------- 该账号是个傻逼 |
|||||
| 作者： |
|
2022/7/29 11:15:48 | ||||
| 27楼： | …… 被禁用帐号，帖子内容自动屏蔽！ …… ---------------------------------------------- 该账号是个傻逼 |
|||||
| 作者： |
|
2022/7/29 18:12:59 | ||||
| 28楼： | ss:=StrPas(pchar(@Ptext));//这句可以执行 memo1.Lines.Text:=ss; Ptext已经是指针了，为什么要获取指针的指针？指针的指针指向哪里？ 直接memo1.Lines.Text:=Ptext就可以了。 ---------------------------------------------- 是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/29 23:28:12 | ||||
| 29楼： | 另外，你上面写的“//Ptext不能是局部变量”应该是不成立的。问题的根源应该还是你错误的引用了指针的指针，间接访问（计数器自动释放）了无效的内存。 ---------------------------------------------- 是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/30 9:57:11 | ||||
| 30楼： | 以上示例是在10.4下实际操作过的， 如果直接：memo1.lines.text:=Ptext;无论文档大小，均错误； 反而memo1.Lines.Text:=strpas(pchar(@ptext));在字数少时可以正确显示，字数多了就错误。 还有：//Ptext不能是局部变量也是试验过的，如果是局部变量OfficeFileToStr(PwideChar(od.FileName),@Ptext)这句就通不过。 而且：如果字数多的话，下面过程也是错误： if OfficeFileToStr(PwideChar(od.FileName),@Ptext) then //Ptext不能是局部变量 begin memo1.Lines.Text:='abc';//这句也是出错 LocalFree(HLOCAL(pText)); end; ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/7/30 21:33:02 | ||||
| 31楼： | 不好意思，是DLL导出函数有问题。 function OfficeFileToStr(pwszFileName: PWideChar; ppText: PPWideChar): BOOL; stdcall; var wstrText: WideString; nLen:Integer; begin Result := False; wstrText := OfficeFileToTxt(pwszFileName); if wstrText = '' then Exit; nLen:=Length(wstrText)*2; ppText^:= Pointer(LocalAlloc(LPTR,nLen+2)); if ppText^=nil then Exit; Move(wstrText[1],ppText^^,nLen);//原来写成了ppText^，这里应该是指针的指针 Result:=True; end; 应该没事了，因为手头没有office文档，无法测试，你可以测试看看。docx应该是手工解释XML的时候有些格式没有兼顾，使用第三方XML控件应该没事。
是你上错了车,还是我下错了站? |
|||||
| 作者： |
|
2022/7/31 17:14:05 | ||||
| 32楼： | 感谢 138soft (138soft)不嫌麻烦的多次给我改代码。 我安装了delphi7，自己封装了一个dll，可以正常在D7和10.4下使用，直接使用Widestring作为参数和返回值，代码就一句，简单明了，对于其他语言可能不能兼容，但我仅仅用在delphi上，没有任何问题： function OfficeFileToStr(FileName: Widestring): widestring; stdcall; begin Result := OfficeFileToTxt(FileName); end; ---------------------------------------------- tuao |
|||||
| 作者： |
|
2022/8/1 15:27:49 | ||||
| 33楼： | 试了dll读取2021版word生成的docx，解析出文本不全 ---------------------------------------------- - |
|||||
| 作者： |
|
2022/8/1 17:44:52 | ||||
| 34楼： | 试了dll读取2021版word生成的docx，解析出文本不全 是的，原因和解决方案上面几个帖子已经说了。x系列的都是zip格式，很容易弄的，非x的是对着微软的文档搞的，应该不会有问题。 最近都在搞c语言了，所以有时候迷糊了。Delphi访问指针内容是x^，C是*x，所以第一个demo直接messagebox &x了。 这个东西主要是出于安全提取，因为如果office文件有溢出的话，调用com接口，实际上会中马的，走文件格式解释就不会。 ---------------------------------------------- 是你上错了车,还是我下错了站? |
|||||
| 信息 |
| 登陆以后才能回复 |
