手把手帮你视频转文本（3-导出word）-永久免费的源码丞旭猿

你好，这是系列文章的最后一篇，我们将实现把文本记录导出到一个格式规整的word文档中，方便阅读和分享。同样，相关代码均在gitee开源（https://gitee.com/coolpine/thomas）

整体架构

本篇处于整体转换流程中第三步，具体如下图所示：

整体处理流程

docx文档格式简介

首先，为你大致介绍下docx文档格式。docx其实是一个压缩格式文件，手工将后缀修改为zip后，即可解压该文件。通常主要的内容结构都在解压后的word/document.xml 文件中。

例如，下图是一个最简单的word文档，正文只有你好两个字：

docx示例文档

将该文档后缀修改为.zip后，解压该文档，会看到word/document.xml的主要内容如下

<w:documentxmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"xmlns:w14="http://schemas.microsoft.com/office/word/2010/wordml"mc:Ignorable="w14 w15 w16se w16cid w16 w16cex wp14"><w:body><w:pw14:paraId="6D5AFF05"w14:textId="678C6FAC"w:rsidR="000933A6"w:rsidRDefault="008D746B"><w:r><w:rPr><w:rFontsw:hint="eastAsia"/>w:rPr><w:t>你好w:t>w:r>w:p>w:body>w:document>

从上面文件可以大致看出word文档基本构造：

• 是段落
• 是段落中的行
• 是行样式信息
• 是文本内容

docx4j库的基本逻辑与上述xml组织结构是对应的：将上述xml的内容，转换为对应的java对象及方法，实现文档生成、编辑等功能。

docx4j文档操作

接下来基于docx4j库，实现word文档操作。

首先，引入docx4j依赖：

<groupId>org.docx4jgroupId><artifactId>docx4j-JAXB-ReferenceImplartifactId><version>8.1.6version>

首先，我们要将每个视频文件的对话记录，生成如下模式的表格：

内容表格示例

对应表格的处理逻辑是：

// 创建表头Tbl tbl = Context.getWmlObjectFactory().createTbl();//设置表格基本样式，包括边框等String strTblPr ="+ Namespaces.W_NAMESPACE_DECLARATION
        +">"+""+""+""+"";try{
    TblPr tblPr = (TblPr) XmlUtils.unmarshalString(strTblPr);
    tbl.setTblPr(tblPr);
}catch(JAXBException e) {
    log.error("基于XML解析生成TblPr出错", e);
}// 设置标题行Tr hearTr = Context.getWmlObjectFactory().createTr();
tbl.getContent().add(hearTr);
geneTblHearderCell(hearTr,"D9D9D9",2629, docPart.createParagraphOfText("时间"));
geneTblHearderCell(hearTr,"D9D9D9",5667, docPart.createParagraphOfText("内容"));// 设置内容行taskResultRepo.findByTaskIdEqualsOrderByBeginTimeAsc(taskId).forEach(result -> {
    Tr tr = Context.getWmlObjectFactory().createTr();
    tbl.getContent().add(tr);//创建第一个单元格Tc tc1 = Context.getWmlObjectFactory().createTc();
    tc1.getContent().add(docPart.createParagraphOfText(formatSecond(result.getBeginTime())));//创建第二个单元格Tc tc2 = Context.getWmlObjectFactory().createTc();
    tc2.getContent().add(docPart.createParagraphOfText(result.getWords()));//将单元格加入到表格中tr.getContent().addAll(Arrays.asList(tc1, tc2));
});//将表格加入到文档中docPart.getContent().add(tbl);//增加分页符docPart.getContent().add(createNextPage());

有一点特别提醒下，建议尽量不要使用XmlUtils.unmarshalString来生成对象，除了上述参考官方示例在创建表头TblPr外，本项目所有其他结构，均是采用java对象来构建。原因是直接基于xml解析，很容易出现命名空间的错误。

docx4j还支持将图片插入到文档中，例如：

//将图片写入到word文档中Inline inline =null;try{
    BinaryPartAbstractImage imagePart = BinaryPartAbstractImage.createImagePart(wordPackage,
            Files.readAllBytes(Paths.get("doc\\thomas-gitee.png")));
    inline = imagePart.createImageInline("开源工程地址","二维码图片",1,2,false);
}catch(Exception e) {
    log.error("创建图片对象出现异常", e);
}

ObjectFactory factory = Context.getWmlObjectFactory();
P p = factory.createP();
R r = factory.createR();
p.getContent().add(r);
Drawing drawing = factory.createDrawing();
r.getContent().add(drawing);
drawing.getAnchorOrInline().add(inline);

以下是设置标题及章节，分别将内容样式设置为Title和Heading1即可：

//设置文档标题mainDocumentPart.addStyledParagraphOfText("Title", THOMAS_DOCX_NAME);//取出第一行，作为章节名称mainDocumentPart.addStyledParagraphOfText("Heading1", taskInfo.getTaskName());

生成目录也很简单：

//生成目录，该段内容要放到最后面Toc.setTocHeadingText("目录");
TocGenerator tocGenerator =newTocGenerator(wordPackage);
tocGenerator.generateToc(5," TOC \\o \"1-3\" \\h \\z \\u ",true);

需要提醒的是，generateToc方法中的第一个参数是将目录插入到文档中的位置，上述代码是将目录插入到第五个位置。

文档结构组装完成后，直接WordprocessingMLPackage的save方法即可保存文档。

最后

至此，我们终于完成将MP4视频中的对话，最终转化为文字，并且输出为一个格式规范的word文档，实现过程如有有错漏之处，敬请反馈，谢谢。

本系列采用《托马斯和朋友》动画视频作为素材，起源是孩子们特别喜欢这个动画节目，特别喜欢听托马斯的故事，为了更好的给孩子们讲托马斯睡前故事，一时兴起实现了这些功能，希望对你也有帮助

声明：本文部分素材转载自互联网，如有侵权立即删除 。