一种文档格式无损转换与多格式输出方法及系统与流程

摘要: 本发明提出了一种文档格式无损转换与多格式输出方法及系统,属于文档转换。背景技术:1、当前各类办公、场景化文档格式种类繁多,不同格式文档的结构、排版及数据存储逻辑...
一种文档格式无损转换与多格式输出方法及系统与流程

本发明提出了一种文档格式无损转换与多格式输出方法及系统,属于文档转换。

背景技术:

1、当前各类办公、场景化文档格式种类繁多,不同格式文档的结构、排版及数据存储逻辑差异较大,文档跨格式转换是办公数字化领域的核心刚需。目前主流文档转换技术多采用直接格式映射转换模式,缺乏统一的文档数据中转处理架构。

2、现有转换方法在多格式适配过程中,普遍存在数据丢失、排版错乱、格式失真等问题,难以实现无损转换。同时,传统技术固定适配单一渲染逻辑,无法根据不同目标输出格式匹配对应的渲染引擎,多格式并行输出适配性差、兼容性不足。

3、此外,常规转换机制无法对文档数据模型进行动态更新适配,面对复杂版式文档的样式、布局数据适配能力薄弱,输出文件易出现图文错位、格式缺失等缺陷,转换稳定性和通用性低,无法满足当下多场景、多规格文档无损转换及多样化输出的使用需求。

技术实现思路

1、本发明提供了一种文档格式无损转换与多格式输出方法及系统,用以解决现有技术中存在的上述技术问题,所采取的技术方案如下:

2、一种文档格式无损转换与多格式输出方法,包括:

3、识别待转换的源文档的原始格式类型,并获取所述源文档的文档数据信息;

4、将所述文档数据信息映射到预设的中间文档对象模型中,并对所述中间文档对象模型进行更新,以及确定目标渲染引擎;

5、根据所述待转换的源文档的目标输出格式类型,利用所述目标渲染引擎和更新后的中间文档对象模型获取目标格式输出文件。

6、优选的,识别待转换的源文档的原始格式类型,并获取所述源文档的文档数据信息,包括:

7、提取待转换的源文档以及用户指定的目标输出格式类型;

8、识别所述待转换的源文档的原始格式类型,并根据所述原始格式类型调取与所述原始格式类型对应的文档解析器;

9、利用所述文档解析器对所述待转换的源文档进行结构化解析,获取所述源文档的文档数据信息;其中,所述文档数据信息包括所述待转换的源文档的文本内容数据、样式属性数据以及层级结构数据。

10、优选的,将所述文档数据信息映射到预设的中间文档对象模型中,并对所述中间文档对象模型进行更新,以及确定目标渲染引擎,包括:

11、提取所述待转换的源文档的文档数据信息,并将所述文档数据信息映射到预设的中间文档对象模型中,其中,所述中间文档对象模型采用树形结构存储,并且,所述树形结构的节点类型至少包括文档根节点、章节节点、段落节点、文本运行节点、表格节点、图形节点和样式属性节点,且每一节点均包含用于表征其在源文档中原始属性参数的键值对集合;

12、遍历完成映射的中间文档对象模型,提取所述完成映射的中间文档对象模型中的各文档节点生效的绝对样式值,并将所述各文档节点生效的绝对样式值更新至各文档节点对应的属性集合中,生成更新后的中间文档对象模型;

13、根据用户指定的目标输出格式类型,从预置的多个格式渲染引擎中筛选出对应的目标渲染引擎。

14、优选的,根据所述待转换的源文档的目标输出格式类型,利用所述目标渲染引擎和更新后的中间文档对象模型获取目标格式输出文件,包括:

15、判断所述待转换的源文档的目标输出格式类型,获得判断结果,其中,所述目标输出格式类型包括流式布局格式和固定布局格式;

16、当所述判断结果表明所述待转换的源文档的目标输出格式类型属于流式布局格式时,则控制所述目标渲染引擎读取更新后的中间文档对象模型,遍历所述更新后的中间文档对象模型中的各文档节点,并根据各文档节点内已更新的绝对样式值将各文档节点按树形结构的遍历顺序映射为所述流式布局格式对应的标记语言元素及属性,并序列化生成流式布局格式输出文件;

17、若所述判断结果表明所述目标输出格式类型属于固定布局格式时,则控制所述目标渲染引擎读取更新后的中间文档对象模型,遍历所述更新后的中间文档对象模型中的各文档节点,利用所述各文档节点内已更新的绝对样式值以及层级结构数据进行页面布局计算,获取各文档节点在物理页面上的绝对坐标位置和分页信息,并利用所述绝对坐标位置和分页信息将各文档节点的对应内容绘制至固定布局格式的页面内容流中,生成固定布局格式输出文件。

18、一种文档格式无损转换与多格式输出系统,包括:

19、数据信息获取模块,用于识别待转换的源文档的原始格式类型,并获取所述源文档的文档数据信息;

20、模型更新及引擎确定模块,用于将所述文档数据信息映射到预设的中间文档对象模型中,并对所述中间文档对象模型进行更新,以及确定目标渲染引擎;

21、转换控制模块,用于根据所述待转换的源文档的目标输出格式类型,利用所述目标渲染引擎和更新后的中间文档对象模型获取目标格式输出文件。

22、优选的,数据信息获取模块,用于识别待转换的源文档的原始格式类型,并获取所述源文档的文档数据信息,包括:

23、提取待转换的源文档以及用户指定的目标输出格式类型;

24、识别所述待转换的源文档的原始格式类型,并根据所述原始格式类型调取与所述原始格式类型对应的文档解析器;

25、利用所述文档解析器对所述待转换的源文档进行结构化解析,获取所述源文档的文档数据信息;其中,所述文档数据信息包括所述待转换的源文档的文本内容数据、样式属性数据以及层级结构数据。

26、优选的,模型更新及引擎确定模块,用于将所述文档数据信息映射到预设的中间文档对象模型中,并对所述中间文档对象模型进行更新,以及确定目标渲染引擎,包括:

27、提取所述待转换的源文档的文档数据信息,并将所述文档数据信息映射到预设的中间文档对象模型中,其中,所述中间文档对象模型采用树形结构存储,并且,所述树形结构的节点类型至少包括文档根节点、章节节点、段落节点、文本运行节点、表格节点、图形节点和样式属性节点,且每一节点均包含用于表征其在源文档中原始属性参数的键值对集合;

28、遍历完成映射的中间文档对象模型,提取所述完成映射的中间文档对象模型中的各文档节点生效的绝对样式值,并将所述各文档节点生效的绝对样式值更新至各文档节点对应的属性集合中,生成更新后的中间文档对象模型;

29、根据用户指定的目标输出格式类型,从预置的多个格式渲染引擎中筛选出对应的目标渲染引擎。

30、优选的,转换控制模块,用于根据所述待转换的源文档的目标输出格式类型,利用所述目标渲染引擎和更新后的中间文档对象模型获取目标格式输出文件,包括:

31、判断所述待转换的源文档的目标输出格式类型,获得判断结果,其中,所述目标输出格式类型包括流式布局格式和固定布局格式;

32、当所述判断结果表明所述待转换的源文档的目标输出格式类型属于流式布局格式时,则控制所述目标渲染引擎读取更新后的中间文档对象模型,遍历所述更新后的中间文档对象模型中的各文档节点,并根据各文档节点内已更新的绝对样式值将各文档节点按树形结构的遍历顺序映射为所述流式布局格式对应的标记语言元素及属性,并序列化生成流式布局格式输出文件;

33、若所述判断结果表明所述目标输出格式类型属于固定布局格式时,则控制所述目标渲染引擎读取更新后的中间文档对象模型,遍历所述更新后的中间文档对象模型中的各文档节点,利用所述各文档节点内已更新的绝对样式值以及层级结构数据进行页面布局计算,获取各文档节点在物理页面上的绝对坐标位置和分页信息,并利用所述绝对坐标位置和分页信息将各文档节点的对应内容绘制至固定布局格式的页面内容流中,生成固定布局格式输出文件。

34、本发明有益效果:

35、本发明提出的一种文档格式无损转换与多格式输出方法和系统通过中间文档对象模型完成多格式文档数据的统一转换处理,规避了不同文档格式直接转换带来的数据结构冲突问题,保障文档转换过程中内容与版式的一致性。差异化匹配目标渲染引擎的处理方式,可适配多种目标输出格式的渲染规则,提升多格式输出的适配范围与兼容能力。中间文档对象模型的动态更新机制,能够适配不同类型源文档的数据特征,优化流式布局的重构精度,减少文档转换过程中版式错乱、内容缺失的问题,稳定适配各类场景下的文档格式转换与多类型输出需求

36、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

37、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。