nodejs批量读取文件_nodejs批量读取 word 的内容和图片例子

更新时间:2019-07-18    来源:word    手机版     字体:

【www.bbyears.com--word】

今天朋友说需要对100份 word 文件的内容进行录入工作,问我是否有什么方便的方法。假如最少1份按2分钟的速度算,也需要200分钟才可以录入完成。我一直都不喜欢做重复又无意义的工作,就想着能否用程序来对其进行处理,后面虽然也花了快一个钟的时间来编写代码和测试,但是当程序用了几分钟的时间就将需要的内容全部录入完成时,觉得还是挺开心的,而自己也学到了许多的东西,在这里记录下,我想以后应该也会用到。

使用 unoconv 处理 word
首先 word 文件是 .docx,在 Ubuntu 上,我们可以使用 unoconv 命令来解析 word 的文件,安装命令如下:

sudo apt-get install unoconv
通过 --help,我们可以知道 unoconv 的用法如下:

unoconv --stdout --format=html ./docx/test.docx
解析 test.docx 文件的内容,设置格式为 html,并且输出到标准输出中。

使用 shelljs 运行 shell 命令
这里使用的是熟悉的 nodejs 进行开发,而运行 shell 命令我使用的是 shelljs。

安装:

npm install shelljs
使用:

shelljs.exec("unoconv --stdout --format=html ./docx/test.docx", {silent: true}, function (code, result) {

 代码如下     if (code) {
        console.log("Error code: " + code);
        return;
    }
    console.log(result);
});

到这里已经可以将 word 的内容输出到 console 中了。

使用 jQuery 解析 html 内容
可以看到输入的内容为 html 代码,我们需要对其进行处理,这里使用的是熟悉的 jQuery。

安装:

npm install -S "jquery@>=2.1"
npm install -S "jsdom@latest"
关键代码:

 代码如下

env(data, function (errors, window) {
    var $ = require("jquery")(window);

    $("p").each(function (i) {
        var text = $.trim($(this).text());
        // 这里一行一行读取文本,可以根据需要自己解析文本
    });

    $("img").each(function (i) {
        var matches = $(this).attr("src").match(/^data:image/([A-Za-z]+);base64,(.+)$/);

        if (matches.length !== 3) {
            return new Error("Invalid input string");
        }

        var type = matches[1]; // 图片的类型
        var data = new Buffer(matches[2], "base64");

        fs.writeFile("./images/" + i + ".jpg", data);
        // 将图片保存到 images 中,可以根据需要生成不同的名称
    });
});

使用 async 批量读取 word 文件
假如直接使用 forEach 的话会导致内存溢出,所以我们需要对每个文件进行排队处理,这里使用 async。

安装:

npm install async
使用:

 代码如下

fs.readdir("./docx", function (err, files) {
    async.eachSeries(files, parse, function () {
        console.log("OK!!!");
    });
});

function parse(file, callback) {
    // 处理 file,完成之后调用 callback
}

搞定!!!当然这里只是简单的记录了大概的思路和代码,实际上需要根据不同的需要做对应的处理。

本文来源:http://www.bbyears.com/bangongshuma/58689.html

热门标签

更多>>

本类排行