[发明专利]一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法和装置

说明书

本发明涉及一种DOC/DOCX格式的流式文件转换成OFD格式的版式文件的方法和装置。该方法的步骤包括：通过流式排版引擎生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；通过PDF转换引擎将生成的流式文档内存模型转换成PDF文档内存模型；采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型；利用生成的OFD文档内存模型输出OFD文档。本发明可以直接将DOC/DOCX流式文档转换为OFD版式文档，转换后的OFD版式文档既符合版式文件标准又能保持DOC/DOCX流式文档的原版样式。

技术领域

本发明属于计算机领域，涉及一种文档转化方法，尤其涉及一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法和装置。

背景技术

DOC/DOCX是一种流式文档格式，是目前应用最为广泛的流式文档格式，也是日常工作中大多数第一手文件的格式。许多历史遗留文件也多为DOC/DOCX格式。

OFD是一种版式文档格式，全称为开放式版式文档(Open Fixed-layoutDOCument)，是国家版式文档格式规范。版式文档是电子文件应用的一个重要门类，是常用的基础办公软件之一。其具有原版原式的呈现特点，即阅读显示与印刷效果一致，真实地保持了文档产生之初的文字、图表、色彩等版式信息,具有高保真的显示和打印效果。

国家标准于2017年5月1日开始实施，未来电子公文、电子发票等都将以OFD格式的版式文件存在。DOC/DOCX格式流式文件转换OFD格式的版式文件的应用需求将空前扩大。

目前市面上缺少公开免费的转换工具，转换技术不成熟也成为急需解决的问题。有关OFD格式转换的公开研究成果很少，并且多是由PDF版式文档格式转换成OFD格式，不能直接对应用最广泛的DOC/DOCX流式文档格式进行转换。

虽然DOC以及OFD文件相关标准已经开放，但由于流式文件缺少相应坐标信息，很难直接转换为OFD版式文件。

一般的流式文件转版式文件的方法，往往采用内置的规则或语法，难以灵活修改，不能适用于DOC/DOCX多变的结构，算法封闭不开放。

综上，一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法，势在必行，显得尤为重要。

发明内容

针对目前尚未发现流式文件直接转化为OFD版式文件的工具和流式文件缺少相应坐标信息的问题，本方法首先将流式文件转化为具有坐标信息的PDF版式文件，再将PDF版式文件转化为OFD版式文件。采用本方法后，保证了DOC/DOCX流式文件成功转换为OFD版式文件。

本发明所采用的技术方案是：

一种DOC/DOCX格式的流式文档转换成OFD格式的版式文档的方法，包括以下步骤：通过流式排版引擎，生成与待转换的DOC/DOCX格式的流式文档对应的流式文档内存模型；

通过PDF转换引擎，将生成的流式文档内存模型转换成PDF文档内存模型；

采用文档解析排版技术，将生成的PDF文档内存模型转换为OFD文档内存模型；

利用生成的OFD文档内存模型输出OFD文档，通知用户转换结果。

进一步地，所述流式排版引擎将内存中的流式文档导入到进程地址空间中，将流式文档切入到流式文档内存模型，以便于对流式文档的处理。

进一步地，所述PDF转换引擎利用PDF虚拟打印机技术将流式文档内存模型转化为PDF文档内存模型。

进一步地，所述采用文档解析排版技术将生成的PDF文档内存模型转换为OFD文档内存模型，包括：

1)以对象为基本单位，利用PDF解析器对PDF文档内存模型进行解析得到其对应的抽象语法树；