node.js解析word文档

小咪咪 2022-01-25 21:23 552阅读 0赞

最近接触了了一个简历管理的项目，需要将简历上传之后解析出里面的字段内容（如姓名、性别、教育经历、工作经历等），存入数据库中。简历的格式都是标准的格式，可参考猎聘下载下来的格式。

毫无疑问，第一个难点就是如何解析word的内容。

到npm去搜了一下相关的包，都不满足我的需求，直到发现了adm-zip这个包，这个包可以解压缩文件。其实word就是一个压缩包，把word解压后，有一个document.xml，里面就存放了word的内容，只需要解析这个xml文件就可以获取到数据了。

const admZip = require('adm-zip');
    
    // 解压word文档
    const zip = new admZip('2.docx');
    zip.extractAllTo('./output/2', true);
    
    // 提取内容
    let contentXml = zip.readAsText("word/document.xml");
    //console.log(contentXml);
    
    // 正则匹配文字
    let matchWT = contentXml.match(/(<w:t>.*?<\/w:t>)|(<w:t\s.[^>]*?>.*?<\/w:t>)/gi);
    matchWT = filter(matchWT);
    console.log(matchWT);
    
    
    /**
     * 去除空白行
     * @param matchWT
     */
    function filter(matchWT) {
        let res = [];
    
        matchWT.forEach(function(wtItem) {
            //如果不是<w:t xml:space="preserve">格式
            if (wtItem !== '<w:t xml:space="preserve"> </w:t>') { {
                wtItem = wtItem.split('>');
                wtItem = wtItem[1].split('<');
                res.push(wtItem[0]);
            }
        });
    
        return res;
    }

这样，我们就可以将简历的内容放入数组中，通过遍历数组就能匹配到对应的字段了。

在解压缩word文档的时候发现这个只能解压缩docx格式的文档，不能解析doc格式的文档。

发表评论取消回复

表情：

评论列表（有 0 条评论，552人围观）

还没有评论，来说两句吧...

相关阅读

相关 aspone.word 插入word文档_以图片格式插入word文档内容

![7f2598c1f056598c864402c5ceff522d.png][] 平时难免要准备一些总结、报告之类的word文档。而这中间又难免要引用另外的word文档

梦里梦外;/ 2023年01月01日 12:59/ 0 赞/ 268 阅读

相关 spring boot项目整合 Apache POI解析word文档

什么是Apache POI？ Apache POI提供API给Java程式对Microsoft Office（Excel、WORD、PowerPoint、Visio等）格式档

你的名字/ 2022年12月08日 12:58/ 0 赞/ 113 阅读

相关 c# 生成word文档

protected void btnBill\_Click(object sender, EventArgs e) \{ InitInfo(); string me

亦凉/ 2022年10月02日 03:49/ 0 赞/ 310 阅读

相关 Swagger文档转Word 文档

GitHub 地址：[https://github.com/JMCuixy/swagger2word][https_github.com_JMCuixy_swagger2wor

太过爱你忘了你带给我的痛/ 2022年09月04日 06:55/ 0 赞/ 308 阅读

相关 poi解析word文档(解析表格，emf,wmf,svg转jpg图片)

POI解析word文档 poi解析word的表格: 提前先准备需要的jar包：  <dependency>

傷城~/ 2022年07月12日 13:12/ 0 赞/ 574 阅读

相关用jsoup解析word文档转变的html项目实例

本文是记录，分析一套word文档另存为html压缩包的记录。其实分析word文档有很多的方法，但是将他转为html更为灵活一些。也希望有好方法的互相交流，可给我留言将wo

青旅半醒/ 2022年06月05日 03:21/ 0 赞/ 187 阅读

相关 SpringBoot读取Word文档

SpringMVC或SpringBoot上传解析Word文档，我想直接用MultipartFile做解析。因为之前导入Excel表格用的就是3.14版本，所以没有改。还有有

布满荆棘的人生/ 2022年05月31日 07:18/ 0 赞/ 554 阅读

相关导出word文档

一，添加jar包 <dependency> <groupId>org.apache.poi</groupId> <artifactId>p

灰太狼/ 2022年01月31日 06:55/ 0 赞/ 479 阅读

相关 node.js解析word文档

最近接触了了一个简历管理的项目，需要将简历上传之后解析出里面的字段内容（如姓名、性别、教育经历、工作经历等），存入数据库中。简历的格式都是标准的格式，可参考猎聘下载下来的格式。

小咪咪/ 2022年01月25日 21:23/ 0 赞/ 553 阅读

相关 php在linux上解析word文档

最近简单试了一下这个问题,记下流程: 1.在linux上安装antiword(网上安装方法很多,搜索一个即可). 2.在php上解析一个word文件为text串,这个串是多

╰+攻爆jí腚メ/ 2021年09月26日 05:42/ 0 赞/ 312 阅读