渲染流程.md

docx全流程

架构图

术语

• word document: 解析word形成的结构化数据

 "word_document": [
    {
    // word内容
    "type": "documentPart",
        "props": {},
        // 解析的是那个xml
        "path": "word/document.xml" 
    },
    {   
        // word扩展属性
        "type": "extendedPropsPart",
        "props": {},
        "path": "docProps/app.xml"
    },
    {
        // word核心属性
        "type": "corePropsPart",
        "props": {},
        "path": "docProps/core.xml"
    },
    {
        // 页眉
        "type": "footnotesPart",
        "props": {},
        "path": {}
    },
    {
        // 页脚
        "type": "endnotesPart",
        "props": {},
        "path": {}
    },
    {
        // 主题
        "type": "themePart",
        "props": {},
        "path": {}
    },
],

• word render tree: word 渲染树形结构，其实就是word_document里documentPart的数据

• docx entity：算法根据段落信息抽取出的实体数据

[
    {
        entity: '合同名称',
        value: '《货物买卖合同》',
        id: 3,
    }
]

整体流程

word render tree

节点的更新有三种情况

• 全等替换
• 分割文本
• 组合

• 节点更新

渲染的流程

• 将tree按照分页符标识，分为不同的页子树
• 前序遍历页子树，（根节点 左子树 右子树）
• 对应的节点渲染为对应的标签

现阶段项目功能

支持

• 支持纯文本word渲染
• 支持一段话抽取多个实体
• 实体颜色标注内置130个色值
• 支持分页渲染
• 支持图片

不支持

• 不支持 图形 脚注 尾注
• 不支持抽取的实体重复

我爱北京

[
    {
        value: '北京'，
        entity：'地址'
    },
    {
        value: '北京'，
        entity：'首都'
    },
]

• 渲染精细化（有些样式渲染效果不好）