Android开发笔记(一百四十一)读取PPT和PDF文件.doc

Android开发笔记（一百四十一）读取PPT和PDF文件
读取ppt文件
读取纯文本
HSLFSlideShow类就是poi中专门用于解析幻灯片的工具类，每幻灯片又分别由单独的HSLFSlide类处理，幻灯片中的具体图文容则由HSLFTextParagraph和HSLFTextRun进行分辨。

下面是使用poi解析ppt文件（2003格式）的效果图：

不同版本的poi库在解析ppt的代码略有区别，下面是使用poi15读取ppt的代码：
[java] view plain copy
public static ArrayList readPPT(String path) {
ArrayList contentArray = new ArrayList();
try {
FileInputStream fis = new FileInputStream(new File(path));
HSLFSlideShow hslf = new HSLFSlideShow(fis);
List slides = hslf.getSlides();
for (int i = 0; i < slides.size(); i++) {
String content = "";
HSLFSlide item = slides.get(i);
// 读取一幻灯片的容(包括标题)
List> tps = item.getTextParagraphs();
for (int j = 0; j < tps.size(); j++) {
ListParagraph> tps_row = tps.get(j);
for (int k = 0; k < tps_row.size(); k++) {
HSLFTextParagraph tps_item = tps_row.get(k);
List trs = tps_item.getTextRuns();
for (int l = 0; l < trs.size(); l++) {
HSLFTextRun trs_item = trs.get(l);
content = String.format("%s%s\n", content, trs_item.getRawText());
}
}
}
contentArray.add(content);
}
} catch (Exception e) {
e.printStackTrace();
}
return contentArray;
}

读取图文样式
poi方式只能有效读取ppt部的文字信息，对于ppt带的图片以与文字样式，便力有不逮了。在博文《Android开发笔记（一百四十）Word文件的读取与显示》中，提到可以解析docx部的document.xml文件，从xml标记中获取图片信息与样式信息，然后把图文格式构造成html文件，最后由WebView网页视图加载显示html。对于pptx文件，也可以解析pptx部的slide*.xml幻灯片文件，采用跟解析docx类似的做法，把解析得到的图片与样式数据写入到html文件，从而曲线实现了pptx文件的读取功能。

下面是以HTML格式显示pptx文件的效果图：

下面是解析pptx并生成htmml文件的主要代码：
[java] view plain copy
private void readPPTX(String pptPath) {
try {
ZipFile pptxFile = new ZipFile(new File(pptPath));
int pic_index = 1; // pptx中的图片名从image1开始，所以索引从1开始
for (int i = 1; i < 100; i++) { // 最多支持100幻灯片
String filePath = String.format("%s%d.html", FileUtil.getFileName(pptPath), i);
String htmlPath = FileUtil.createFile("html", filePath);
Log.d(TAG, "i="+i+", htmlPath=" + htmlPath);
output = new FileOutputStream(new File(htmlPath));
presentPicture = 0;
output.write(htmlBegin.getBytes());

ZipEntry sharedStringXML = pptxFile.getEntry("ppt/slides/slide" + i + ".xml"); // 获取每幻灯片
InputStream inputStream = pptxFile.getInputStream(sharedStringXML);
XmlPullParser xmlParser = Xml.newPullParser();
xmlParser.setInput(inputStream, "utf-8");

boolean isTitle = false; // 标题
boolean isTable false; // 表格
boolean isSize = false; // 文字大小
boolean isColor = false; // 文字颜色
boolean isCenter = false; // 居中对齐
boolean isRight = false; // 靠右对齐
boolean isItalic = false; // 斜体
boolean isUnderline = false; // 下划线
boolean isBold = false; // 加粗
int event_type = xmlParser.getEventType();// 得到标签类型的状态
while (event_type != XmlPullParser.END_DOCUMENT) {// 循环读取流
switch (event_type) {
case XmlPullParser.START_TAG: // 开始标签
String tagBegin = xmlParser.getName();
if (tagBegin.equalsIgnoreCase("ph")) { // 判断是否标题
String titleType = getAttrValue(xmlParser, "type", "text");
if (titleType.equals("text")) {
isTitle = false;
} else {
isTitle = true;
isSize = true;
if (titleType.equals("ctrTitle")) {
output.write(centerBegin.getBytes());
isCenter = true;
output.write(String.format(fontSizeTag, getSize(60)).getBytes());
} else if (titleType.equals("subTitle")) {
output.write(centerBegin.getBytes());
isCenter = true;
output.write(String.format(fontSizeTag, getSize(24)).getBytes());
} else if (titleType.equals("title")) {
output.write(String.format(fontSizeTag, getSize(44)).getBytes());
}
}
}
if (tagBegin.equalsIgnoreCase("pPr") && !isTitle) { // 判断对齐方式
String align = getAttrValue(xmlParser, "algn", "l");
xmlParser.getAttributeValue(0);
if (align.equals("ctr")) {
output.write(centerBegin.getBytes());
isCenter = true;
}
if (align.equals("r")) {
output.write(divRight.getBytes());
isRight = true;
}
}
if (tagBegin.equalsIgnoreCase("srgbClr")) { // 判断文字颜色
String color = xmlParser.getAttributeValue(0);
output.write(String.format(spanColor, color).getBytes());
isColor = true;
}
if (tagBegin.equalsIgnoreCase("rPr")) {
if (!isTitle) {
// 判断文字大小
String sizeStr = getAttrValue(xmlParser, "sz", "2800")
int size = getSize(Integer.valueOf(sizeStr)/100);
output.write(String.format(fontSizeTag, size).getBytes());
isSize = true;
}
// 检测到加粗
String bStr = getAttrValue(xmlParser, "b", "");
if (bStr.equals("1")) {
isBold = true;
}
// 检测到斜体
String iStr = getAttrValue(xmlParser, "i", "");
if (iStr.equals("1")) {
isItalic = true;
}
// 检测到下划线
String uStr = getAttrValue(xmlParser, "u", "");
if (uStr.equals("sng")) {
isUnderline = true;
}
}
if (tagBegin.equalsIgnoreCase("tbl")) { // 检测到表格
output.write(tableBegin.getBytes());
isTable = true;
} else if (tagBegin.equalsIgnoreCase("tr")) { // 表格行
output.write(rowBegin.getBytes());
} else if (tagBegin.equalsIgnoreCase("tc")) { // 表格列
output.write(columnBegin.getBytes());
}
if (tagBegin.equalsIgnoreCase("pic")) { // 检测到图片
ZipEntry pic_entry = FileUtil.getPicEntry(pptxFile, "ppt", pic_index);
if (pic_entry != null) {
byte[] pictureBytes = FileUtil.getPictureBytes(pptxFile, pic_entry);
writeDocumentPicture(i, pictureBytes);
}
pic_index++; // 转换一后，索引+1
}
if (tagBegin.equalsIgnoreCase("p") && !isTable) {// 检测到段落，如果在表格中就无视
output.write(lineBegin.getBytes());
}
// 检测到文本
if (tagBegin.equalsIgnoreCase("t")) {
if (isBold == true) { // 加粗
output.write(boldBegin.getBytes());
}
if (isUnderline == true) { // 检测到下划线，输入
output.write(underlineBegin.getBytes());
}
if (isItalic == true) { // 检测到斜体，输入
output.write(italicBegin.getBytes());
}
String text = xmlParser.nextText();
output.write(text.getBytes()); // 写入文本
if (isItalic == true) { // 输入斜体结束标签
output.write(italicEnd.getBytes());
isItalic = false;
}
if (isUnderline == true) { // 输入下划线结束标签
output.write(underlineEnd.getBytes());
isUnderline = false;
}
if (isBold == true) { // 输入加粗结束标签
output.write(boldEnd.getBytes());
isBold = false;
}
if (isSize == true) { // 输入字体结束标签
output.write(fontEnd.getBytes());
isSize = false;
}
if (isColor == true) { // 输入跨度结束标签
output.write(spanEnd.getBytes());
isColor = false;
}
// if (isCenter == true) { // 输入居中结束标签。要在段落结束之前再输入该标签，因为该标签会强制换行
// output.write(centerEnd.getBytes());
// isCenter = false;
// }
if (isRight == true) { // 输入区块结束标签