600字范文,内容丰富有趣,生活中的好帮手!
600字范文 > 【愚公系列】02月 .NET CORE工具案例-办公文档神器Toxy的使用

【愚公系列】02月 .NET CORE工具案例-办公文档神器Toxy的使用

时间:2021-09-11 02:23:52

相关推荐

【愚公系列】02月 .NET CORE工具案例-办公文档神器Toxy的使用

文章目录

前言一、办公文档神器Toxy的使用1.安装对应的包2.Word文档操作2.1 普通文档解析2.2 表格文档解析 3.Excel文件操作4.PDF文档操作5.图片文件操作 总结

前言

作为一个开发者对于写代码操作各种办公文件是非常常见的需求,但是操作这些不同办公文件需要安装各种对应的第三方包来处理,下面就来介绍统一的第三方包Toxy,Toxy是一个.NET数据/文本提取框架,类似于Java中的Apache Tika。它支持许多流行的格式,如docx,xlsx,xls,pdf,csv,txt,epub,html等。

Toxy的架构图如下:

如上图所示,该项目对各种文件格式进行底层封装,我们只需专注业务的开发,不需要了解底层细节。

Toxy的网址:/nissl-lab/toxy

一、办公文档神器Toxy的使用

Toxy相关对象如下:

ToxyDocument - 为文档提取的数据结构ToxySpreadsheet - 为电子表格提取的数据结构ToxyEmail - 为电子邮件提取的数据结构ToxyBusinessCard - 为名片提取的数据结构ToxyDom - 为基于 DOM 的文档提取的数据结构ToxyMetadata - 为其他具有元数据的文件提取的数据结构

1.安装对应的包

Toxy

2.Word文档操作

2.1 普通文档解析

1、ITextParser解析文档

//解析docx文档using ConsoleTest;using NUnit.Framework;using Toxy;ParserContext context = new ParserContext(TestDataSample.GetWordPath("SampleDoc.docx"));ITextParser parser = ParserFactory.CreateText(context);string doc = parser.Parse();Assert.IsNotNull(doc);string[] lines = doc.Split(new string[] {Environment.NewLine }, StringSplitOptions.RemoveEmptyEntries);Assert.AreEqual(7, lines.Length);Assert.AreEqual("I am a test document", lines[0]);Assert.AreEqual("This is page 1", lines[1]);Assert.AreEqual("I am Calibri (Body) in font size 11", lines[2]);Assert.AreEqual("\n", lines[3]);Assert.AreEqual("This is page two", lines[4]);Assert.AreEqual("It’s Arial Black in 16 point", lines[5]);Assert.AreEqual("It’s also in blue", lines[6]);Console.ReadLine();

2、IDocumentParser解析文档

//解析docx文档using ConsoleTest;using NUnit.Framework;using Toxy;ParserContext context = new ParserContext(TestDataSample.GetWordPath("SampleDoc.docx"));IDocumentParser parser = ParserFactory.CreateDocument(context);ToxyDocument doc = parser.Parse();Assert.AreEqual(7, doc.Paragraphs.Count);Assert.AreEqual("I am a test document", doc.Paragraphs[0].Text);Assert.AreEqual("This is page 1", doc.Paragraphs[1].Text);Assert.AreEqual("I am Calibri (Body) in font size 11", doc.Paragraphs[2].Text);Assert.AreEqual("\n", doc.Paragraphs[3].Text);Assert.AreEqual("This is page two", doc.Paragraphs[4].Text);Assert.AreEqual("It’s Arial Black in 16 point", doc.Paragraphs[5].Text);Assert.AreEqual("It’s also in blue", doc.Paragraphs[6].Text);Console.ReadLine();

2.2 表格文档解析

1、IDocumentParser解析文档

//解析docx文档using ConsoleTest;using NUnit.Framework;using Toxy;ParserContext context = new ParserContext(TestDataSample.GetWordPath("simple-table.docx"));IDocumentParser parser = ParserFactory.CreateDocument(context);ToxyDocument doc = parser.Parse();Assert.AreEqual(8, doc.Paragraphs.Count);Assert.AreEqual("This is a Word document that was created using Word 97 – SR2. It contains a paragraph, a table consisting of 2 rows and 3 columns and a final paragraph.",doc.Paragraphs[0].Text);Assert.AreEqual("This text is below the table.", doc.Paragraphs[1].Text);Assert.AreEqual("Cell 1,1", doc.Paragraphs[2].Text);Assert.AreEqual("Cell 1,2", doc.Paragraphs[3].Text);Assert.AreEqual("Cell 1,3", doc.Paragraphs[4].Text);Assert.AreEqual("Cell 2,1", doc.Paragraphs[5].Text);Assert.AreEqual("Cell 2,2", doc.Paragraphs[6].Text);Assert.AreEqual("Cell 2,3", doc.Paragraphs[7].Text);Console.ReadLine();

3.Excel文件操作

后续都已一种方式,不在像word那样了

//解析xlsx文档using ConsoleTest;using NUnit.Framework;using Toxy;ParserContext context = new ParserContext(TestDataSample.GetExcelPath("Employee.xls"));ISpreadsheetParser parser = ParserFactory.CreateSpreadsheet(context);ToxySpreadsheet ss = parser.Parse();//获取Excel表格数量与名称Assert.AreEqual(3, ss.Tables.Count);Assert.AreEqual("Sheet1", ss.Tables[0].Name);Assert.AreEqual("Sheet2", ss.Tables[1].Name);Assert.AreEqual("Sheet3", ss.Tables[2].Name);//获取总行数Assert.AreEqual(5, ss.Tables[0].Rows.Count);Assert.AreEqual(0, ss.Tables[1].Rows.Count);Assert.AreEqual(0, ss.Tables[2].Rows.Count);//获取指定行数ToxyTable table = ss.Tables[0];Assert.AreEqual(1, table.Rows[0].RowIndex);Assert.AreEqual(2, table.Rows[1].RowIndex);Assert.AreEqual(3, table.Rows[2].RowIndex);Assert.AreEqual(4, table.Rows[3].RowIndex);Assert.AreEqual(5, table.Rows[4].RowIndex);//获取总表格数Assert.AreEqual(1, table.Rows[0].Cells.Count);Assert.AreEqual(0, table.Rows[1].Cells.Count);Assert.AreEqual(2, table.Rows[2].Cells.Count);Assert.AreEqual(2, table.Rows[3].Cells.Count);Assert.AreEqual(2, table.Rows[4].Cells.Count);//获取指定表格的值Assert.AreEqual("Employee Info", table.Rows[0].Cells[0].ToString());Assert.AreEqual(1, table.Rows[0].Cells[0].CellIndex);Console.ReadLine();

4.PDF文档操作

using NUnit.Framework;using Toxy.Parsers;using Toxy;string path = TestDataSample.GetPdfPath("Sample1.PDF");var parser = new PDFDocumentParser(new ParserContext(path));var result = parser.Parse();//获取段落数Assert.AreEqual(1474, result.Paragraphs.Count);//判断第一段落的文本Assert.AreEqual("LA MARCHE MONDIALE DES FEMMES : UN MOUVEMENT IRRÉVERSIBLE", result.Paragraphs[0].Text);Console.ReadLine();

5.图片文件操作

//解析jpg图片using ConsoleTest;using NUnit.Framework;using Toxy;string path = Path.GetFullPath(TestDataSample.GetImagePath("sample_sony1.jpg"));ParserContext context = new ParserContext(path);IMetadataParser parser = (IMetadataParser)ParserFactory.CreateMetadata(context);ToxyMetadata x = parser.Parse();//属性数量Assert.AreEqual(12, x.Count);//图片宽模式时间等信息Assert.AreEqual(2592, x.Get("PhotoHeight").Value);Assert.AreEqual(95, x.Get("PhotoQuality").Value);Assert.AreEqual(3872, x.Get("PhotoWidth").Value);Assert.AreEqual("DSLR-A200", x.Get("Model").Value);Assert.AreEqual((uint)400, x.Get("ISOSpeedRatings").Value);Assert.AreEqual(5.6, x.Get("FNumber").Value);Assert.AreEqual((double)35, x.Get("FocalLength").Value);Assert.AreEqual((uint)52, x.Get("FocalLengthIn35mmFilm").Value);Assert.AreEqual(new DateTime(, 11, 21, 12, 39, 39), x.Get("DateTime").Value);Console.ReadLine();

总结

以上是部分文件格式的解析例子,更多功能,大家可以下载源码学习,针对每一种格式,都有非常详细的单元测试例子,看完例子完全不需要文档。

具体支持的文件如下:

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。