[发明专利]一种从Word文档中快速提取文字格式的方法和装置

权利要求书

1.一种从Word文档中快速提取文字格式的方法，其特征在于，包括以下步骤：

将文档切分为多个部分；

将每个部分的文档内容转换为字符串格式，得到每个部分的文档内容分别对应的字符串数据；

提取所述字符串数据中所用字体及颜色集合；

解析每个字符串数据，并按照树形数据结构保存；

从所述树形数据结构中提取文字格式，将所有文字格式汇总。

2.根据权利要求1所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述将文档切分为多个部分具体包括：

获取上层电子签章程序传入的当前要处理的文档的Com指针；

调用ms-word Com接口查找所述文档中的所有图片与控件；

以图片与控件作为分隔点将所述文档分隔为多个部分，每个部分中均不包含图片及控件。

3.根据权利要求1所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述将每个部分的文档内容转换为字符串格式，得到每个部分的文档内容分别对应的字符串数据具体包括：

使用ms-word Com接口将每个部分的文档内容设置为选中状态，并且将每个部分的文档内容复制到系统剪切板系统剪切板上；

以RTF格式打开所述系统剪切板系统剪切板；

提取所述系统剪切板系统剪切板中的字符串数据，得到每个部分的文档内容分别对应的字符串数据。

4.根据权利要求1所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述提取所述字符串数据中所用字体及颜色集合具体包括：

查找并提取描述字体集合与颜色集合的字符串数据；

解析所述描述字体集合与颜色集合的字符串数据，查找字体名与所对应的序列号，查找颜色与所对应的序列号；

将字体名对应的序列号、颜色对应的序列号保存，供解析文本时使用。

5.根据权利要求4所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述的查找并提取描述字体集合与颜色集合的字符串数据，包括：

通过查找“{//fonttbl”与相匹配的“}”提取字体集合字符串，通过查找“{//colortbl”与相匹配的“}”提取颜色集合字符串。

6.根据权利要求1所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述解析每个字符串数据，并按照树形数据结构保存具体包括：

查找并提取描述文字集合的字符串数据；

递归解析所述描述文字集合的字符串数据，查找所有{}中包含的元素内容，以树形数据结构保存；

判断树形数据结构中每个节点是否包含文字内容，如果不包含则舍去该节点。

7.根据权利要求1所述的一种从Word文档中快速提取文字格式的方法，其特征在于，所述从所述树形数据结构中提取文字格式，将所有文字格式汇总具体包括：

遍历树形数据结构，提取所有节点内容；

从每个节点内容中获取文字及文字格式；

将所述文字格式中的颜色序列号转化为颜色数据，字体序列号转化为字体名称；

合并相邻且具有相同格式的文字格式；

将文档各个部分的文字格式合并，获取整个文档的文字格式。

8.一种从Word文档中快速提取文字格式的装置，其特征在于，所述装置包括：

文档处理模块，用于将文档切分为多个部分；

文档转换模块，用于将每个部分的文档内容转换为字符串格式，得到每个部分的文档内容分别对应的字符串数据；

字符串解析模块，用于提取所述字符串数据中所用字体及颜色集合，解析每个字符串数据，并按照树形数据结构保存，从所述树形数据结构中提取文字格式，将所有文字格式汇总。

9.根据权利要求8所述的一种从Word文档中快速提取文字格式的装置，其特征在于：

所述的文档处理模块，具体用于获取上层电子签章程序传入的当前要处理的文档的Com指针；

调用ms-word Com接口查找所述文档中的所有图片与控件；

以图片与控件作为分隔点将所述文档分隔为多个部分，每个部分中均不包含图片及控件。