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<String> readPPT(String path) {
ArrayList<String> contentArray = new ArrayList<String>();
try {
FileInputStream fis = new FileInputStream(new File(path));
HSLFSlideShow hslf = new HSLFSlideShow(fis);
List<HSLFSlide> 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<List<HSLFTextParagraph>> tps = item.getTextParagraphs();
for (int j = 0; j < tps.size(); j++) {
List<HSLFTextParagraph> tps_row = tps.get(j);
for (int k = 0; k < tps_row.size(); k++) {
HSLFTextParagraph tps_item = tps_row.get(k);
List<HSLFTextRun> 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<u>
output.write(underlineBegin.getBytes());
}
if (isItalic == true) { // 检测到斜体，输入<i>
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</i>
output.write(italicEnd.getBytes());
isItalic = false;
}
if (isUnderline == true) { // 输入下划线结束标签</u>
output.write(underlineEnd.getBytes());
isUnderline = false;
}
if (isBold == true) { // 输入加粗结束标签</b>
output.write(boldEnd.getBytes());
isBold = false;
}
if (isSize == true) { // 输入字体结束标签</font>
output.write(fontEnd.getBytes());
isSize = false;
}
if (isColor == true) { // 输入跨度结束标签</span>
output.write(spanEnd.getBytes());
isColor = false;
}
// if (isCenter == true) { // 输入居中结束标签</center>。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</div>
output.write(divEnd.getBytes());
isRight = false;
}
}
break;
// 结束标签
case XmlPullParser.END_TAG:
String tagEnd = xmlParser.getName();
if (tagEnd.equalsIgnoreCase("tbl")) { // 输入表格结束标签</table>
output.write(tableEnd.getBytes());
isTable = false;
}
if (tagEnd.equalsIgnoreCase("tr")) { // 输入表格行结束标签</tr>
output.write(rowEnd.getBytes());
}
if (tagEnd.equalsIgnoreCase("tc")) { // 输入表格列结束标签</td>
output.write(columnEnd.getBytes());
}
if (tagEnd.equalsIgnoreCase("p")) { // 输入段落结束标签</p>，如果在表格中就无视
if (isTable == false) {
if (isCenter == true) { // 输入居中结束标签</center>
output.write(centerEnd.getBytes());
isCenter = false;
}
output.write(lineEnd.getBytes());
}
}
break;
default:
break;
}
event_type = xmlParser.next();// 读取下一个标签
}
output.write(htmlEnd.getBytes());
output.close();
htmlArray.add(htmlPath);
}
} catch (Exception e) {
e.printStackTrace();
}
}

读取pdf文件
Vudroid方式读取
上面以html方式显示pptx文件，虽然能够读取图片与文字样式，但是与原始的幻灯片容相差还是比较大的，主要问题包括：
1、ppt中的图文不像word那样一般是上下排列，而是既有上下排列又有左右排列，还有根据相对位置的排列。可是简单的html格式只能上下排列，难以适应其它方向的图文排版。
2、ppt通常自带幻灯片背景，也就是每个幻灯片都有的背景图片，可是slide*.xml文件中解析不到背景图片；况且由于背景图的存在，使得图片序号与幻灯片插图对应不上，造成幻灯片页面上的插图产生混乱。
3、每ppt的尺寸规格是固定的，与长度和高度的比例是不变的；但是一旦转为html格式，页面的长宽比例就乱套了，完全不是ppt原来的排版布局。

如果在java服务端，可以调用HSLFSlide类的draw方法，直接把每幻灯片原样画到临时的图像文件。然而在手机端，无法调用draw方法，因为该方法用到了java的awt图像库，而Android并不提供该图像库，所以poi不能直接绘制ppt的原始页面。

既然直接显示原样的幻灯片难以实现，那么就得考虑其它的办法，一种思路是先在服务端把ppt文件转换为pdf文件，然后手机端再来读取pdf文件。正好Android平台上拥有多种pdf的解析方案，其中之一是开源框架Vudroid，该框架允许读取pdf文件，并把pdf文件容以列表形式打印在屏幕上。下面是使用Vudroid框架解析pdf文件的效果图：

若要在Android项目中集成Vudroid框架，可按照以下步骤处理：
1、在AndroidManifest.xml中添加SD卡的操作权限；
2、在libs目录下导入Vudroid的so库libvudroid.so；（使用ADT开发时）
3、在工程源码中导入org.vudroid.pdfdroid包下的所有源码；

下面是使用Vudroid框架解析pdf文件的代码：
[java] view plain copy
public class VudroidActivity extends Activity implements
OnClickListener, FileSelectCallbacks {
private final static String TAG = "VudroidActivity";
private FrameLayout fr_content;
private DecodeService decodeService;

Override
protected void onCreate(Bundle savedInstanceState){
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_pdf_vudroid);

decodeService = new DecodeServiceBase(new PdfContext());
findViewById(R.id.btn_open).setOnClickListener(this);
fr_content = (FrameLayout) findViewById(R.id.fr_content);
}

Override
protected void onDestroy() {
decodeService.recycle();
decodeService = null;
super.onDestroy();
}

Override
public void onClick(View v) {
if (v.getId() == R.id.btn_open) {
FileSelectFragment.show(this, new String[] {"pdf"}, null);
}
}

Override
public void onConfirmSelect(String absolutePath, String fileName, Map<String, Object> map_param) {
String path = String.format("%s/%s", absolutePath, fileName);
Log.d(TAG, "path="+path);
DocumentView documentView = new DocumentView(this);
documentView.setLayoutParams(new ViewGroup.LayoutParams