駱 蓉 黃 俊 黎茂鋒 劉志勤

(西南科技大學(xué)計算機科學(xué)與技術(shù)學(xué)院 四川 綿陽 621010)

0 引 言

Word作為一款功能強大的字處理軟件，廣泛應(yīng)用于各個行業(yè)。在各類數(shù)據(jù)分析系統(tǒng)開發(fā)場景中，往往需要動態(tài)生成Word形式的數(shù)據(jù)分析報告。這些報告通常邏輯結(jié)構(gòu)復(fù)雜，數(shù)據(jù)展現(xiàn)形式多樣，包含了文本、表格、公式、圖片等，有的甚至需要在已有的表格內(nèi)再嵌入圖片或者表格，并且報告的生成對內(nèi)容格式與排版的要求非常嚴格。一些Word報告包含的數(shù)據(jù)量十分龐大，可達幾百頁之多。對于這樣復(fù)雜的Word報告，直接使用COM組件技術(shù)[1]、ActiveX技術(shù)[2]和Jacob技術(shù)[3]等開發(fā)技術(shù)硬編碼生成Word文檔，不僅耗時費力，且代碼量大，可讀性差，不利于后期修改維護。

針對以上問題，目前有兩種較好的解決方案。第一種為Word模板替換法[4-6]，開發(fā)者預(yù)先制定帶有動態(tài)內(nèi)容的Word模板，再通過相應(yīng)開發(fā)工具包解析替換模板中的占位內(nèi)容，生成新的文檔。該方法直接以Word文檔為模板，內(nèi)容的格式與排版可直接通過Office軟件完成，減小了程序的復(fù)雜性，便于后期的修改維護，但文檔生成效率不高，只適用于較小數(shù)據(jù)量的Word文檔生成場景。第二種為模板引擎生成法[7-9]，開發(fā)者仍然需要先制作Word文檔，并另存為Word 2003 xml文檔，再通過模板引擎的相關(guān)語法修改xml文檔中的動態(tài)內(nèi)容，形成新的模板。使用模板引擎解析該模板并填充數(shù)據(jù)，輸出最終的.doc文檔。該方法很大程度上提高了文檔的生成效率，但生成的文檔較大，開發(fā)者需要花費大量的時間制作模板，且當文檔樣式改變時，必須重新訂制對應(yīng)的模板，不利于修改維護。因此，如何平衡該類文檔的生成效率、開發(fā)維護難度與工作量，是目前亟需解決的問題。

針對現(xiàn)有方法的不足，本文提出了一種基于Word模板的復(fù)雜文檔快速生成方法，實現(xiàn)了文檔的高生成效率和低開發(fā)成本?；贠ffice Open XML規(guī)范(OOXML)[10]實現(xiàn)了Word文檔的自動生成，并通過Word文檔自動生成主文檔部件documen.xml的Enjoy模板，使得開發(fā)者既能使用Word模板加快開發(fā)速度，又能使用Enjoy模板引擎提高文檔生成效率。對比實驗表明，本文方法在文檔生成效率以及文檔生成大小上綜合最優(yōu)。

1 相關(guān)技術(shù)

1.1 OOXML

Office Open XML為Microsoft開發(fā)的一種以XML為基礎(chǔ)并以ZIP格式壓縮的電子文件規(guī)范，支持文件、表格、備忘錄和幻燈片等文件格式[11]。在MS Word 2007及之后版本中，OOXML替代了傳統(tǒng)的二進制格式，成為Word文檔的默認存儲格式，Word文檔擴展名由.doc變?yōu)?docx。目前，有不少研究人員與開發(fā)者利用該規(guī)范構(gòu)建Word文檔生成與修改的解決方案[12-14]。

在OOXML格式下，Word文檔由一個壓縮的ZIP包組成，解壓縮后可得到Word文檔的內(nèi)部組織結(jié)構(gòu)，如圖1所示。Word文檔由文件夾和文件組成，這些文件被稱為部件(part)，每個部件定義了文檔的特定信息。_rels文件夾用于定義ZIP包的部件關(guān)系；docProps文件夾用于定義應(yīng)用程序的屬性部件；word文件夾用于定義文檔主體內(nèi)容，包含存放關(guān)系部件的res文件夾、存放文檔主題樣式的theme文件夾、存放多媒體內(nèi)容的media文件夾、存放正文的主文檔部件document.xml，以及存放整體樣式的樣式部件style.xml等文檔內(nèi)容部件；[Content_Types].xml文件用于定義文檔各個部件的屬性信息以及內(nèi)容類型。因此，修改模板中的相應(yīng)部件后，與該模板中的其他部件一同壓縮就能生成目標Word文檔。本文根據(jù)上述原理制定了Word文檔的生成策略。

圖1 Word文檔內(nèi)部組織結(jié)構(gòu)

Word文檔中的部件使用WordprocessingML語言[15]進行描述，其形式符合XML的基本規(guī)范。由于提出的復(fù)雜文檔快速生成方法主要是對document.xml文件進行操作，特將該文件中的核心元素以及結(jié)構(gòu)做一個簡單說明。在document.xml文件中，元素w:body代表正文主體框架，由多個塊級元素組成，如段落元素w:p和表格元素w:tbl。其中：w:p可包含多個連續(xù)文本范圍元素w:r，而每一個w:r又可包含文本元素w:t或繪圖元素w:drawing；w:tbl由多個行元素w:tr組成，在w:tr中可包含多個單元格元素w:tc，而每一個w:tc又可以包含多個w:p和w:tbl。本文根據(jù)document.xml的xml結(jié)構(gòu)設(shè)計了Enjoy模板生成方法。

1.2 Enjoy模板引擎

Enjoy引擎模板是JFinal框架的組成部分，可單獨使用。它是一個由Java編寫的極輕量級的模板引擎，大小僅為227 KB[16]。相比于FreeMarker和Velocity等傳統(tǒng)模板引擎，Enjoy不依賴第三方工具進行詞法分析和語法分析，具有更優(yōu)的性能。此外，Enjoy僅含7個核心指令，在表達式規(guī)則的設(shè)計上也盡可能沿用Java的語法規(guī)則，且基于空合操作符，實現(xiàn)了安全取值、安全調(diào)用，避免顯式判斷空值操作，使得模板制作更加容易。本文選擇使用Enjoy模板引擎生成主文檔部件document.xml。

1.3 DOM4J

DOM4J是一個開源的Java XML API，它提供了大量的操作XML文件的接口，其性能優(yōu)異，功能強大，簡單易用[17]。本文使用DOM4J技術(shù)讀取并修改document.xml文件。

2 方法設(shè)計

2.1 總體設(shè)計

根據(jù)OOXML規(guī)范，本文方法直接以Word文檔作為模板，通過復(fù)制模板中的所有部件并修改特定部件中的內(nèi)容生成目標文檔，總體設(shè)計如圖2所示。本文生成的Word文檔主要是對模板中正文內(nèi)容的修改，涉及的部件有document.xml、document.xml.rels，以及[Content_types].xml文件，這三個xml類型文件可直接通過DOM4J技術(shù)進行修改。但當目標文檔中填充的數(shù)據(jù)量較大時，就需在document.xml中頻繁添加樹節(jié)點，使得文檔的生成效率變低。對此，引入Enjoy模板引擎技術(shù)生成document.xml。

圖2 復(fù)雜文檔生成方法總體設(shè)計

引入Enjoy模板引擎后，開發(fā)者必需在document.xml文件中插入Enjoy指令生成新的Enjoy模板。為了簡化開發(fā)，本文基于Enjoy指令，設(shè)計并實現(xiàn)了一套Word模板指令集，該指令集完成了指令規(guī)范化與指令解析，可自動生成document.xml的Enjoy模板。因此，開發(fā)者只需在Word模板中編寫動態(tài)內(nèi)容及其邏輯控制，而不用關(guān)心對應(yīng)Enjoy模板的生成過程。

2.2 Enjoy模板的自動生成

開發(fā)者通過在Word模板中直接使用Enjoy指令編輯動態(tài)內(nèi)容來生成document.xml文件的Enjoy模板是不可行的。主要原因有以下兩點：(1)開發(fā)者在生成document.xml文件的Enjoy模板時，應(yīng)該修改文本元素w:t或繪圖元素w:drawing的屬性實現(xiàn)動態(tài)文本、圖片的標記，并在相關(guān)元素的前后位置插入#for、#if等指令控制內(nèi)容邏輯。但在使用Word軟件編輯模板時，所有的指令均被視為段落中的文本，存儲于w:t中，而不能插到w:drawing及相應(yīng)元素的前后位置上。(2)Word模板中的指令轉(zhuǎn)換成xml形式時，通常會被拆分，存儲在多個w:t中，Enjoy模板引擎無法解析。針對這兩個問題，本文在Enjoy指令的基礎(chǔ)上，設(shè)計了一組模板指令，用于標記Enjoy指令在document.xml中的位置，實現(xiàn)了指令規(guī)范化以及指令解析，使得開發(fā)者可直接通過Word文檔生成Enjoy模板。

2.2.1模板指令設(shè)計

模板指令由兩部分信息組成。一部分為實際操作動態(tài)內(nèi)容與邏輯的Enjoy指令；另一部分為Enjoy指令在document.xml中的位置信息。

根據(jù)以往開發(fā)者手動生成Enjoy模板的經(jīng)驗可知：Enjoy插值指令#()出現(xiàn)的位置主要在文本元素w:t以及繪圖元素w:drawing的特定屬性中。#if、#for、#switch等邏輯控制指令出現(xiàn)的位置主要在塊級元素w:p和w:tbl、運行元素w:r，以及行元素w:tr的前后位置之間。據(jù)此，設(shè)計了如下模板指令。

(1)文本輸出指令。由于動態(tài)文本的位置就在元素w:t中，不需要改變位置，可直接使用Enjoy模板引擎的插值指令:#(para)，para的取值為基本類型、對象的屬性或者數(shù)組中的一個元素等。

(2)圖片輸出指令。圖片信息存儲于繪圖元素w:drawing中，考慮到圖片的循環(huán)輸出，需要修改w:drawing中的wp:docPr、pic:cNvPr，以及a:blip元素中的屬性值。由于要替換多個參數(shù)，為了降低模板制作的復(fù)雜度，將上述需要修改的屬性封裝到圖片類中。定義圖片輸出指令為：@pic(picObj)，picObj參數(shù)只能是圖片類實例。為了方便解析，在圖片輸出指令后放置樣例圖片，并保證指令與樣例圖片放在一個段落中。解析過程中，需要將picObj的屬性分別插入到w:drawing的相應(yīng)位置；為防止picObj為空所導(dǎo)致的文檔生成錯誤，需要在w:r之前判斷該參數(shù)是否為空。

(3)塊級邏輯指令。為了實現(xiàn)段落、表格間的邏輯控制，定義塊級邏輯指令：@blk(stats)，參數(shù)stats為一個或多個Enjoy模板引擎中的邏輯控制指令。解析時，會直接將該指令所在的w:p替換為stats指令。

(4)運行邏輯指令。為了實現(xiàn)段落內(nèi)的邏輯控制，定義運行邏輯指令：@run(stats)，參數(shù)stats為一個或多個Enjoy指令。解析時，stats會取代該指令所在的w:r。

(5)行邏輯指令。為了實現(xiàn)表格行的邏輯控制，定義行邏輯指令：@befTr(stats)和@aftTr(stats)，分別代表在當前指令所在的w:tr之前插入stats指令和在當前指令所在的w:tr之后插入stats指令。

2.2.2指令規(guī)范化

指令規(guī)范化是指把分散到多個w:r中的模板指令合并到第一個w:r中。由于完整的指令存儲在段落w:p中，所以只需要遍歷所有w:p進行指令規(guī)范化即可，具體方法如下：獲取所有的段落元素w:p；對于每一個w:p，依次獲取含有文本元素w:t的運行元素w:r，并將w:t的內(nèi)容追加至buf數(shù)組中；通過詞法分析算法對buf數(shù)組進行模板指令識別，記錄每一個模板指令開始的w:r和結(jié)束的w:r；合并開始w:r到結(jié)束w:r之間的文本內(nèi)容，實現(xiàn)模板指令的規(guī)范化；直到所有的段落遍歷結(jié)束，指令規(guī)范化完成。指令規(guī)范化流程如圖3所示。

圖3 指令規(guī)范化流程

指令規(guī)范化執(zhí)行完成后，在一個w:t中，可能既包含靜態(tài)文本，又包含模板指令。

2.2.3指令解析

指令解析主要是將模板指令中的Enjoy指令放到正確的位置，具體步驟如下：使用DOM4J技術(shù)加載document.xml文件，生成對應(yīng)的dom樹，獲取所有的w:p；遍歷w:p，獲取當前w:p中所有含有w:t的w:r；對于每個w:r，獲取w:t的文本內(nèi)容并按照指令類型劃分成多個模板指令(將靜態(tài)文本處理視為文本輸出指令)；分別根據(jù)指令類型對每一個模板指令進行處理，由于使用DOM4J不能直接在元素的前后位置插入Enjoy指令，因此創(chuàng)建占位元素進行標記，使用Map集合記錄占位元素的信息與對應(yīng)的Enjoy指令；直到所有的模板指令都處理完成后，刪除當前w:r；將dom樹轉(zhuǎn)化為字符串，并把所有的占位元素替換為對應(yīng)Enjoy指令。指令解析流程如圖4所示。

圖4 指令解析流程

指令解析完成后，即完成了Enjoy模板的生成。

2.3 Word文檔生成

Word文檔生成之前需要準備數(shù)據(jù)，由于圖片的生成涉及document.xml.rels與[Content_types].xml文件的修改，因此將文本數(shù)據(jù)與圖片數(shù)據(jù)分離，分別以樹狀結(jié)構(gòu)進行組織，便于后續(xù)對圖片進行操作。

在準備好Word模板、Enjoy模板以及數(shù)據(jù)之后，基于OOXML生成Word文檔的具體流程如下。首先判斷是否涉及圖片的生成：如果不涉及，則直接通過Enjoy模板引擎技術(shù)將文本數(shù)據(jù)填充到Enjoy模板中，生成新的document.xml文件，將其與Word模板的其他部件一同壓縮輸出，得到目標文檔；如果涉及圖片的生成，則需要獲取所有的圖片信息，將其轉(zhuǎn)化為圖片類，添加到文本中，并統(tǒng)計圖片的內(nèi)容類型以及記錄引用關(guān)系。再通過Enjoy模板引擎生成document.xml文件，復(fù)制Word模板中的document.xml.rels與[ContentTypes].xml文件，并分別追加圖片的引用關(guān)系與內(nèi)容類型。最后將圖片數(shù)據(jù)寫入word/media/文件夾中，同時將新生成的部件與Word模板中的其他部件一起壓縮輸出，得到目標文檔。文檔生成的核心步驟如算法1所示。

算法1文檔生成算法

輸入：Word模板文件wFile，Enjoy模板文件eFile,文本數(shù)據(jù)模型dataMap，圖片數(shù)據(jù)picMap。

輸出：目標文檔dirWord。

Procedure WordGeneration

1.if picMap=null then

%生成document.xml文件

2.docXML ← genDocumentXML(eFile,dataMap)

%將document.xml與Word模板的其他的部件一同壓縮輸出

3. dirWord ← replaceWordPart(wFile,docXML)

4. else

%將圖片數(shù)據(jù)轉(zhuǎn)換為圖片類

5. picClassMap ← picMap2PicClassMap(picMap)

%將圖片的信息添加到文本數(shù)據(jù)模型

6. dataMap.add(picClassMap)

7. docXML ← genDocumentXML(eFile,dataMap)

%獲取模板中的[ContentTypes].xml文件

8. typesXML ← getContentTypesXML(wFile)

%追加圖片的內(nèi)容類型

9. typesXML ← addContentTypes(typesXML, picMap)

%獲取模板中的document.xml.rels文件

10. docRelsXML ← getDocResXML(wFile)

%追加圖片的引用信息

11.docRelsXML ← addPicRes(docResXML, picClassMap)

%將部件壓縮輸出到目標文檔中

12.dirWord ← replaceWordPart(wFile, docXML, typesXML, docRelsXML)

%把圖片數(shù)據(jù)寫入word/media/文件夾

13. addPic(dirWord, picClassMap)

14. end if

15.return dirWord

3 應(yīng)用實例

目前，本文方法已經(jīng)成功應(yīng)用于某氣動數(shù)據(jù)庫系統(tǒng)中，實現(xiàn)了氣動設(shè)計數(shù)據(jù)手冊、過程文檔、分析報告等多種文檔的快速、準確生成。這些文檔為飛行器研究人員提供了氣動數(shù)據(jù)分析、優(yōu)化、決策依據(jù)。氣動數(shù)據(jù)量大、維度高、結(jié)構(gòu)復(fù)雜等特點[18]使得飛行器研制過程復(fù)雜，利用傳統(tǒng)方法生成相應(yīng)的文檔難度很大；同時，文檔的生成還需要根據(jù)不同的研究方向和行業(yè)需求進行定制，工作量巨大。而使用本文提出的方法極大地降低了開發(fā)難度，減少了工作量，提高了系統(tǒng)的研發(fā)效率。

以系統(tǒng)中數(shù)據(jù)分析報告的生成為例，該報告中包含了氣動數(shù)據(jù)集來源、數(shù)據(jù)類型等統(tǒng)計信息，另外還包含了大量的表格、圖像等數(shù)據(jù)分析內(nèi)容。通過本文設(shè)計的指令集實現(xiàn)的該報告Word文檔模板如圖5所示。

圖5 某氣動數(shù)據(jù)庫系統(tǒng)項目的分析報告模板

通過該模板可以對圖片、表格、表格行等動態(tài)內(nèi)容進行添加，并對這些內(nèi)容進行結(jié)構(gòu)上的邏輯控制。采用本文方法生成的數(shù)據(jù)分析報告實例如圖6所示。

圖6 某氣動數(shù)據(jù)庫系統(tǒng)項目的分析報告實例

可以看出，圖6中固定文本、樣式等靜態(tài)內(nèi)容與圖5完全一致；表格、圖像等動態(tài)數(shù)據(jù)也按照預(yù)期填充到了模板中的相應(yīng)位置。

上述實例表明，本文方法操作簡單，易于理解，降低了開發(fā)成本，便于后期維護，具有較好的實用性。

4 實 驗

4.1 實驗環(huán)境

所有實驗均在普通PC上進行。硬件環(huán)境：處理器為Intel(R)Core(TM)i5-2520M @ 2.5 GHz，內(nèi)存為4 GB。軟件環(huán)境：Windows 10 專業(yè)版，MyEclipse 2017，JDK1.8。

4.2 性能對比與分析

將本文方法與文獻所提兩種復(fù)雜文檔生成方法的生成效率以及文檔大小進行對比，來分析本文方法的性能。方法1為Word模板替換法，選用POI解析Word文檔替換動態(tài)內(nèi)容，生成docx文檔；方法2為模板引擎生成法，借助FreeMaker模板引擎生成doc文檔。

4.2.1文檔生成效率分析

以生成不同表格行數(shù)和不同圖片數(shù)量的Word文檔來對比這三種方法的文本生成效率。在實驗中，不考慮數(shù)據(jù)準備所耗用的時間。

在表格實驗中，循環(huán)行為7列，三種方法生成文檔所用時間如圖7所示。

圖7 三種方法生成表格文檔所用時間

可以看出，方法1的文檔生成時間隨表格行數(shù)的增加而急劇上升，文本生成效率較低(由于該方法生成10 000行表格文檔所用時間較長，因此未在圖中給出其生成100 000行表格文檔的時間)；方法2與本文方法隨著行數(shù)的增加，總時間增加，但是漲幅不大，文本生成效率更高。在10 000行以內(nèi)，本文方法略優(yōu)于方法2，但隨著表格行數(shù)的繼續(xù)增加，本文方法與方法2之間的時間差距變??；10 000行后，方法2略高于本文方法。出現(xiàn)該趨勢的原因是：方法2的總耗時由模板解析時間及文檔輸出時間組成，而本文方法的總耗時還包含了文檔壓縮時間；當數(shù)據(jù)量較小時，本文方法壓縮輸出document.xml文件的時間占比小，而Enjoy模板引擎的解析性能優(yōu)于FreeMaker模板引擎，本文方法比方法2更優(yōu)；但隨著數(shù)據(jù)量的增大，Enjoy模板的解析時間占總時間的比例越來越小，而壓縮輸出document.xml文件占總時間的比例越來越大，最終導(dǎo)致本文方法略低于方法2。

在圖片實驗中，所用圖片大小在幾十到幾百KB之間，三種方法生成不同數(shù)量圖片的Word文檔所用時間如圖8所示。

圖8 三種方法生成圖片文檔所用時間

可以看出，方法1的文檔生成時間隨圖片數(shù)量的增加而大幅度增加；方法2與本文方法的文檔生成時間隨圖片數(shù)量的增加而小幅度增加，且本文方法優(yōu)于方法2。

通過實驗證明，方法2與本文方法的文檔生成效率接近，均高于方法1。

4.2.2文檔大小分析

Word文檔的大小會影響文檔下載的速度以及打開Word文檔的速度。因此，本文將其作為一個評價指標，分別比較了三種方法生成的Word文檔大小。

三種方法生成不同表格行數(shù)的Word文檔大小如表1所示。

表1 三種方法生成表格文檔大小 KB

方法1與本文方法的文檔大小隨著表格行數(shù)的增加少量增長，而方法2則急劇上升，在10 000行時，其大小約為本文方法的44倍。這是由于文檔格式的差異造成的，方法1與本文方法生成的Word文檔格式為OOXML，方法2生成的Word格式為二進制格式，OOXML存儲文檔采用了ZIP壓縮技術(shù)，有效地減小了文檔的大小。

三種方法生成多幅圖片的Word文檔大小如表2所示。

表2 三種方法生成圖片文檔大小 KB

在生成相同數(shù)量圖片的文檔時，方法1與本文方法生成的文檔較小，方法2生成的文檔較大。隨著圖片數(shù)量的增加，方法1與本文方法的優(yōu)勢更加明顯。原因是方法1與本文方法對圖片進行了壓縮存儲，減少了圖片的大小，方法2將圖片轉(zhuǎn)換為Base64編碼進行存儲，沒有進行壓縮。

綜上所述，在文檔生成的時間上，本文方法與方法2效率相近，皆高于方法1。在文檔生成的大小上，本文方法與方法1生成的文檔大小接近，都小于方法2。因此，本文方法總體上優(yōu)于其他兩個方法。

5 結(jié) 語

本文針對現(xiàn)有的復(fù)雜Word文檔生成方案存在的開發(fā)復(fù)雜與工作量大的問題，提出了一種基于Word模板的復(fù)雜文檔快速生成方法。該方法基于OOXML規(guī)范制定了Word文檔生成策略，可直接使用Word文檔作為模板。同時設(shè)計了一組模板指令，實現(xiàn)了指令規(guī)范化與指令解析，能夠自動將document.xml文件轉(zhuǎn)換為Enjoy模板，在引入Enjoy模板引擎技術(shù)提高效率的同時，解決了Enjoy模板制作復(fù)雜和后期修改維護困難等問題。通過實例分析，并與已有的兩種方法進行了性能對比，證明了本文方法的可行性、實用性、高效性。