前段時間在寫一個功能：用原生php將獲得word中的內容并導入到網站系統中。因為文檔中存在公式，圖片，表格等，因此寫的比較麻煩。
思路大體思路是先將word中格式為doc的文檔轉化為docx，用預處理程序將文檔中的公式轉化為swf圖片格式，將word轉化為xml格式，在獲得xml中的內容轉化為json格式。
預備知識1. 理解xml基礎
xml是一種可擴展標記語言，是互聯網數據傳輸的重要工具，xml可以實現跨互聯網平臺而不受編程語言和操作系統的限制，可以說是一個擁有互聯網最高級別通行證的數據攜帶者。
xml是當前處理結構化文檔信息中的技術，有助于在服務器之間穿梭結構化出具，使得開發工作者可以更加方便的控制數據的存儲和傳輸
xml用于標記電子文件使其具有結構性的標記語言，可用來標記數據，定義數據類型，是一種允許用戶對自己的標記語言進行定義的源語言。它是標準通用語言的子集，非常適合web傳輸。
2. word的兩種不同的存儲方式
word文檔的兩種存儲格式：doc和docx
doc：習慣上被稱為word,采用二進制存儲數據
docx：也就是word2007，采用xml存儲數據
那么后綴明明是docx格式的，為什么成xml格式了？
選擇一個test.docx，將后綴名改為.zip，然后進行解壓，得到下面的目錄結構：
所以你認為的docx文檔，其實是一個壓縮文件~
3. 了解DOM和PHP DOM XML解析
DOM提供了針對html和xml文檔的標準對象集，以及用于訪問和操作這些文檔的標準接口。XML DOM是為文檔定義標準的對象集。使用PHP DOM擴展可以實現PHP對DOM樹的一系列操作。
使用PHP DOM讀取一個XML文檔：
test.xml:
?xml version= 1.0 encoding= utf-8 ? teststore test name php dom test /name author test-one /author /test test title php dom test 2 /title author test-two /author /test /teststore
test.php:
?php $doc = new DOMDocument(); $doc- load( test.xml //獲取標簽對象 $book=$doc- getElementsByTagName( test //輸出第一個中的值 echo $book- item(0)- nodeValue; echo br ---------------- br $title=$doc- getElementsByTagName( name echo $title- item(0)- nodeValue; echo br ---------------- br //遍歷所有book標簽中的內容 foreach ($book as $note) echo $note- nodeValue; echo br }
結果：
4. word中xml的定義格式
word中的數據是怎么定義的呢？？
我們只會介紹連個l兩個文件/文件夾:
一個文件是word/document.xml,這個文件定義了word整個文檔的內容。
另一個文件夾是word/media，這個文件夾存放著文檔的多媒體內容，換句話說文檔中所有的圖片，音頻視頻都是在這個文件夾下存放。
document.ml中的整體結構定義：
w:document mc:ignorable= w14 w15 wp14 xmlns:m= http://schemas.openxmlformats.org/officeDocument/2006/math xmlns:mc= http://schemas.openxmlformats.org/markup-compatibility/2006 xmlns:o= urn:schemas-microsoft-com:office:office xmlns:r= http://schemas.openxmlformats.org/officeDocument/2006/relationships xmlns:v= urn:schemas-microsoft-com:vml xmlns:w= http://schemas.openxmlformats.org/wordprocessingml/2006/main xmlns:w10= urn:schemas-microsoft-com:office:word xmlns:w14= http://schemas.microsoft.com/office/word/2010/wordml xmlns:w15= http://schemas.microsoft.com/office/word/2012/wordml xmlns:wne= http://schemas.microsoft.com/office/word/2006/wordml xmlns:wp= http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing xmlns:wp14= http://schemas.microsoft.com/office/word/2010/wordprocessingDrawing xmlns:wpc= http://schemas.microsoft.com/office/word/2010/wordprocessingCanvas xmlns:wpg= http://schemas.microsoft.com/office/word/2010/wordprocessingGroup xmlns:wpi= http://schemas.microsoft.com/office/word/2010/wordprocessingInk xmlns:wps= http://schemas.microsoft.com/office/word/2010/wordprocessingShape xmlns:wpscustomdata= http://www.wps.cn/officeDocument/2013/wpsCustomData w:body w:p w:ppr w:pstyle w:val= 2 /w:pstyle w:keepnext w:val= 0 /w:keepnext w:keeplines w:val= 0 /w:keeplines w:widowcontrol /w:widowcontrol w:suppresslinenumbers w:val= 0 /w:suppresslinenumbers w:pbdr w:top w:color= auto w:space= 0 w:sz= 0 w:val= none /w:top w:left w:color= auto w:space= 0 w:sz= 0 w:val= none /w:left w:bottom w:color= auto w:space= 0 w:sz= 0 w:val= none /w:bottom w:right w:color= auto w:space= 0 w:sz= 0 w:val= none /w:right /w:pbdr
文檔段落內容：
w:p w:ppr w:pstyle w:val= 2 /w:pstyle w:keepnext w:val= 0 /w:keepnext w:keeplines w:val= 0 /w:keeplines w:widowcontrol /w:widowcontrol w:suppresslinenumbers w:val= 0 /w:suppresslinenumbers w:pbdr w:top w:color= auto w:space= 0 w:sz= 0 w:val= none /w:top w:left w:color= auto w:space= 0 w:sz= 0 w:val= none /w:left w:bottom w:color= auto w:space= 0 w:sz= 0 w:val= none /w:bottom w:right w:color= auto w:space= 0 w:sz= 0 w:val= none /w:right /w:pbdr w:shd w:fill= FAFAFA w:val= clear /w:shd w:spacing w:after= 150 w:afterautospacing= 0 w:before= 150 w:beforeautospacing= 0 w:line= 378 w:linerule= atLeast /w:spacing w:ind w:firstline= 0 w:left= 0 w:right= 0 /w:ind w:rpr w:rfonts w:ascii= Verdana w:cs= Verdana w:hansi= Verdana w:hint= default /w:rfonts w:i w:val= 0 /w:i w:caps w:val= 0 /w:caps w:color w:val= 404040 /w:color w:spacing w:val= 0 /w:spacing w:sz w:val= 21 /w:sz w:szcs w:val= 21 /w:szcs /w:rpr /w:ppr w:r w:rpr w:rfonts w:ascii= Verdana w:cs= Verdana w:hansi= Verdana w:hint= default /w:rfonts w:i w:val= 0 /w:i w:caps w:val= 0 /w:caps w:color w:val= 404040 /w:color w:spacing w:val= 0 /w:spacing w:sz w:val= 21 /w:sz w:szcs w:val= 21 /w:szcs w:bdr w:color= auto w:space= 0 w:sz= 0 w:val= none /w:bdr w:shd w:fill= FAFAFA w:val= clear /w:shd /w:rpr w:t 作者: Test /w:t /w:r /w:p
圖片內容定義：
w:r w:rpr w:rfonts w:ascii= Verdana w:cs= Verdana w:hansi= Verdana w:hint= default /w:rfonts w:i w:val= 0 /w:i w:caps w:val= 0 /w:caps w:color w:val= 404040 /w:color w:spacing w:val= 0 /w:spacing w:sz w:val= 21 /w:sz w:szcs w:val= 21 /w:szcs w:bdr w:color= auto w:space= 0 w:sz= 0 w:val= none /w:bdr w:shd w:fill= FAFAFA w:val= clear /w:shd /w:rpr w:drawing wp:inline distb= 0 distl= 114300 distr= 114300 distt= 0 wp:extent cx= 5543550 cy= 5543550 /wp:extent wp:effectextent b= 0 l= 0 r= 0 t= 0 /wp:effectextent wp:docpr descr= IMG_256 id= 1 name= Picture 1 /wp:docpr wp:cnvgraphicframepr a:graphicframelocks nochangeaspect= 1 xmlns:a= http://schemas.openxmlformats.org/drawingml/2006/main /a:graphicframelocks /wp:cnvgraphicframepr a:graphic xmlns:a= http://schemas.openxmlformats.org/drawingml/2006/main a:graphicdata uri= http://schemas.openxmlformats.org/drawingml/2006/picture pic:pic xmlns:pic= http://schemas.openxmlformats.org/drawingml/2006/picture pic:nvpicpr pic:cnvpr descr= IMG_256 id= 1 name= Picture 1 /pic:cnvpr pic:cnvpicpr a:piclocks nochangeaspect= 1 /a:piclocks /pic:cnvpicpr /pic:nvpicpr pic:blipfill a:blip r:embed= rId4 /a:blip a:stretch a:fillrect /a:fillrect /a:stretch /pic:blipfill pic:sppr a:xfrm a:off x= 0 y= 0 /a:off a:ext cx= 5543550 cy= 5543550 /a:ext /a:xfrm a:prstgeom prst= rect a:avlst /a:avlst /a:prstgeom a:nofill /a:nofill a:ln w= 9525 a:nofill /a:nofill /a:ln /pic:sppr /pic:pic /a:graphicdata /a:graphic /wp:inline /w:drawing /w:r
結論：
w:document 定義整個文檔的開始 w:body document的子節點，文檔的主體內容 w:p body的子節點，一個段落，就是word文檔中的段落 w:r p元素的子節點，一個Run定義了段落中具有相同格式的一段內容 w:t Run元素節點的子節點，就是文檔的內容 w:drawing run元素的子節點，定義了一張圖片 w:inline drawing子節點，具體應用沒有研究 a:graphic 定義了圖片內容 pic:blipfill graphic文檔的子節點，定義了圖片內容的索引.
具體的說，如果用java，那么XWPF解析docx文檔就是做xml文檔解析，獲得所有的節點并轉換成更好用的屬性提供API進行使用,在java中poi能根據這個名稱拿到圖片相對應的資源，而獲取圖片位置的關鍵也就是這里。
但是很不幸，我用的是php~~~所以我們需要通過php的相關接口手動實現獲得圖片.
下面說一下我的具體思路：通過PHP的內置DOMDocument接口獲得docx文檔的xml節點，遍歷xml節點找到保存圖片的節點元素，向下遍歷圖片節點扎到r:embed索引的值。因為docx文檔是一個壓縮包格式，所以通過PHP內置接口ZipArchive接口遍歷該docx文檔(實質就是遍歷.zip壓縮包)，通過索引找到對應的圖片，轉換成二進制數據，在拼接img標簽顯示格式為base64的圖片數據。
轉換成xml:
private $rels_xml; private $doc_xml; private function readZipPart($filename) { $zip = new ZipArchive(); $_xml = word/document.xml $_xml_rels = word/_rels/document.xml.rels if (true === $zip- open($filename)) { if (($index = $zip- locateName($_xml)) !== false) { $xml = $zip- getFromIndex($index); $zip- close(); } else die( non zip file if (true === $zip- open($filename)) { if (($index = $zip- locateName($_xml_rels)) !== false) { $xml_rels = $zip- getFromIndex($index); $zip- close(); } else die( non zip file $this- doc_xml = new DOMDocument(); $this- doc_xml- encoding = mb_detect_encoding($xml); $this- doc_xml- preserveWhiteSpace = false; $this- doc_xml- formatOutput = true; $this- doc_xml- loadXML($xml); $this- doc_xml- saveXML(); $this- rels_xml = new DOMDocument(); $this- rels_xml- encoding = mb_detect_encoding($xml); $this- rels_xml- preserveWhiteSpace = false; $this- rels_xml- formatOutput = true; $this- rels_xml- loadXML($xml_rels); $this- rels_xml- saveXML(); }判斷是否為圖片節點：
if($paragraph- name === w:drawing ) { (strstr($ts, …封… ) != false || strstr($ts, …線… ) != false) ? $t .= : $t .= $this- analysisDrawing($paragraph);}獲得圖片索引：
private function analysisDrawing( $drawingXml) { while($drawingXml- read()) { if ($drawingXml- nodeType == XMLREADER::ELEMENT $drawingXml- name === a:blip ) { $rId = $drawingXml- getAttribute( r:embed $rIdIndex = substr($rId,3); return $this- checkImageFormating($rIdIndex); }顯示壓縮包中圖片文件：
private function checkImageFormating($rIdIndex) { $imgname = word/media/image .($rIdIndex-8); $zipfileName = __DIR__.DIRECTORY_SEPARATOR. b .DIRECTORY_SEPARATOR. test.docx $zip=zip_open($zipfileName); while($zip_entry = zip_read($zip)) {//讀依次讀取包中的文件 $file_name=zip_entry_name($zip_entry);//獲取zip中的文件名 if(strstr($file_name,$imgname) != ) { $a = ($rIdIndex-8 10) ? mb_substr($file_name,mb_strlen($imgname, utf-8 ),1, utf-8 ) : if($rIdIndex-8 10 $a != . ) continue; if ($enter_zp = zip_entry_open($zip, $zip_entry, r )) { //讀取包中文件 $ext = pathinfo(zip_entry_name ($zip_entry),PATHINFO_EXTENSION);//獲取圖片文件擴展名 $content = zip_entry_read($zip_entry,zip_entry_filesize($zip_entry));//讀取文件二進制數據 return sprintf( img src= data:image/%s;base64,%s , $ext, base64_encode($content));//利用base64_encode函數轉換讀取到的二進制數據并輸入輸出到頁面中 zip_entry_close($zip_entry); //關閉zip中打開的項目 zip_close($zip);//關閉zip文件 }以上就是本文的全部內容，希望對大家的學習有所幫助，更多相關內容請關注PHP ！
相關推薦：
如何用php獲取當前頁面文件名
php中heredoc的用法
以上就是如何使用php獲得文檔中圖片的解析的詳細內容，PHP教程
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
新聞熱點
疑難解答
