OpenXml编程--修正Word目录页码错误

场景描述

图1

 

        图1是一个PDF文件生成的简单流程，事先做好的Word模板和数据源进行匹配以生成新的Word文档，然后再将Word文档转换为PDF文档。由Word文档和数据源产生新的Word文档我们采用的是FlexDoc组件（http://flexdoc.codeplex.com/）。生成的PDF文档要求有目录，如图2所示。目录是在Word模板中定义的，并没有采用在代码中自动生成目录的方式，这样是因为可以很方便的更改目录的样式，如图3所示。

图2

图3

     生成的Word的页码是不会自动更新的，但是会在转PDF的时候更新，这时候我们遇到了一个FlexDoc的Bug，转换后的目录产生了“未定义书签的错误”。如图4。

图4

        本文从Word目录的原理出发，探寻页码转换出错的原因，继而提出完整的解决方案。

Word目录绑定原理

      word目录有多种类型，类型是拿什么区别的呢？首先我们插入Word2007中的“自动目录2”，如图5。

图5  插入自动目录2

目录插入成功之后，我们选择目录，右键—>编辑域，切换到域编辑界面，如图6。

 

图6  编辑域

       在域编辑页面在域名项选择TOC，然后单击选项，在选项界面中我们可以看到TOC域支持的开关，不同的开关组合就是不同Word目录，如图7所示。刚才我们选择的“自动目录2”的域代码为TOC \o "1-3" \h \z \u 。关于各个开关的含义，您自己看说明就可以 了，我就不啰嗦了。

图7   编辑域选项

下面我们从WordML的角度继续研究目录。打开word文档，找到Body节点，再找到W:sdt节点，如图8。

图8  找到w：sdt节点

w:sdt节点代表SdtBlock，SdtBlock又是什么呢？就是包在目录外面的那个框，SdtBlock并不是word目录必须的元素，插入自动目录 的时候word默认会将目录放在SdtBlock中，您也可以选择去除，由于SdtBlock可以帮助我们在程序中迅速找到目录项，所以我要去所有的目标中的目录必须带SdtBlock。SdtBlock节点下有一个w:sdtContent （对应的对象为SdtContentBlock）子节点，该子节点下包含了多个w:p（对应的对象为Paragraph）标签，这些w:p标签组成了Word目录。现在我们展开其中一个w:p，看看里面包含了什么秘密。

代码清单1   一个目录项

<w:p w:rsidRPr="00F34D5F" w:rsidR="00F34D5F" w:rsidRDefault="00F34D5F" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:pPr>
    <w:pStyle w:val="20" />
    <w:rPr>
      <w:rFonts w:asciiTheme="minorHAnsi" w:hAnsiTheme="minorHAnsi" w:eastAsiaTheme="minorEastAsia" />
      <w:color w:val="auto" />
    </w:rPr>
  </w:pPr>
  <w:hyperlink w:history="1" w:anchor="_Toc296003347">
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:rStyle w:val="ad" />
        <w:rFonts w:hint="eastAsia" />
        <w:color w:val="auto" />
      </w:rPr>
      <w:t>作答有效性分析</w:t>
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:tab />
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:fldChar w:fldCharType="begin" />
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:instrText xml:space="preserve"> PAGEREF _Toc296003347 \h </w:instrText>
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:fldChar w:fldCharType="separate" />
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:t>1</w:t>
    </w:r>
    <w:r w:rsidRPr="00F34D5F">
      <w:rPr>
        <w:webHidden />
        <w:color w:val="auto" />
      </w:rPr>
      <w:fldChar w:fldCharType="end" />
    </w:r>
  </w:hyperlink>
</w:p>

        代码清单1是w:sdtContent 中的一个w:p项内容。现在我们来看里面几个关键项。第9行代码“<w:hyperlink w:history="1" w:anchor="_Toc296003347">”是w:hyperlink（对应的对象为Hyperlink ）标记的起始配置，w:hyperlink代表超链接，点击目录会自动跳转到文档中的正确位置，如果您的TOC域支持的开关没有“\h”选项的话是不会产生w:hyperlink标签的，那么您看到的目录项的代码是另一种样子，这里我就不演示了。这里我们重点关注w:anchor属性，该属性指定了超链接的位置。那么w:anchor的值"_Toc296003347"又是什么呢？先不做解释，我们再看另一个标记，第37行的“<w:instrText xml:space="preserve"> PAGEREF _Toc296003347 \h </w:instrText>”，w:instrText（对应的对象为FieldCode）标签的值 “PAGEREF _Toc296003347 \h ”是用来标识超链接的页码的，但是它本身并没有页码值，而是引用了一个位置，最后更新页码的时候会将那个位置所在页的页码赋值给第57行的<w:t>。第50行的<w:fldChar w:fldCharType="separate" />标签是目录项的标题和页码之间的分隔符样式。第16行的“<w:t>作答有效性分析</w:t>”就是当前目录项的标题，实现显示的是word文档正文中的1级 、二级或3级标题。

    现在我们基本了解了目录的组成，还有一个关键的定位属性没有解释，我们继续查看word文档，看下面这一段代码：

代码2   一个二级标题

<w:p w:rsidRPr="00F34D5F" w:rsidR="000535A9" w:rsidP="00F34D5F" w:rsidRDefault="00E24DF2" 
xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:pPr>
    <w:pStyle w:val="2" />
    <w:ind w:firstLine="372" w:firstLineChars="133" />
    <w:rPr>
      <w:rFonts w:ascii="微软雅黑" w:hAnsi="微软雅黑" w:eastAsia="微软雅黑" w:cstheme="minorBidi" />
      <w:bCs w:val="0" />
      <w:color w:val="93550D" />
      <w:sz w:val="28" />
      <w:szCs w:val="24" />
    </w:rPr>
  </w:pPr>
  <w:bookmarkStart w:name="_Toc295939763" w:id="3" />
  <w:bookmarkStart w:name="_Toc296003347" w:id="4" />
  <w:r w:rsidRPr="00F34D5F">
    <w:rPr>
      <w:rFonts w:hint="eastAsia" w:ascii="微软雅黑" w:hAnsi="微软雅黑" w:eastAsia="微软雅黑" w:cstheme="minorBidi" />
      <w:bCs w:val="0" />
      <w:color w:val="93550D" />
      <w:sz w:val="28" />
      <w:szCs w:val="24" />
    </w:rPr>
    <w:t>作答有效性分析</w:t>
  </w:r>
  <w:bookmarkEnd w:id="3" />
  <w:bookmarkEnd w:id="4" />
</w:p>
       看代码2所示的内容，实际上是一个二级标题，该二级标题包含在一个单独的<w:p>标记内，从哪里能看出该内容的大纲级别是二级呢？看第3行代码---<w:pStyle w:val="2" />。
然后我们看第13、1
4、25和26四行代码，是两对w:bookmarkStart 和bookmarkEnd标签，第14行的w:name="_Toc296003347"是不是很眼熟呢？没错，就是目录项中的定位标记。
     到现在为止，我们已经明白了目录的原理，那么为什么会出错呢？我们看一个出错的Word文档，如图9。

图9  页码更新出错的Word文档

       看图9中，比较突出是几个w:bookmarkStart 标签，它们本应该是如代码2里那样，和bookmarkEnd标签一起成对的出现在P标签内然后上学包裹标题，但是现在它却单独跑到了P标签外
，如果bookmarkEnd标签单独的跑出来也会造成页码更新失败。代码3是标题的内容，我们可以看到只剩下两个孤零零的bookmarkEnd标签。这就是出错的原因。

<w:p w:rsidRPr="00115C2B" w:rsidR="009E7404" w:rsidP="009A7ED0" w:rsidRDefault="00BD76F7" 
xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:pPr>
    <w:pStyle w:val="1" />
    <w:jc w:val="center" />
    <w:rPr>
      <w:rFonts w:ascii="微软雅黑" w:hAnsi="微软雅黑" w:cstheme="majorBidi" />
      <w:color w:val="365F91" w:themeColor="accent1" w:themeShade="BF" />
      <w:kern w:val="0" />
      <w:lang w:val="zh-CN" />
    </w:rPr>
  </w:pPr>
  <w:r w:rsidRPr="00115C2B">
    <w:rPr>
      <w:rFonts w:hint="eastAsia" w:ascii="微软雅黑" w:hAnsi="微软雅黑" w:cstheme="majorBidi" />
      <w:color w:val="365F91" w:themeColor="accent1" w:themeShade="BF" />
      <w:kern w:val="0" />
      <w:lang w:val="zh-CN" />
    </w:rPr>
    <w:t>整体测评结果</w:t>
  </w:r>
  <w:bookmarkEnd w:id="2" />
  <w:bookmarkEnd w:id="1" />
</w:p>

修正策略

     问题我们已经分析清楚了，其实这是FlexDoc的bug，当然我们可以通过修改FlexDoc的源代码来解决这个问题，但是我实在是懒得读源码，决定在FlexDoc匹配数据之后将word文档写在磁盘上之前来修正目录。流程如下：

 

代码实现

代码很简单，全部代码如下所示：

public static void FixtDirectory(WordprocessingDocument wdDoc)
       {
           Body body = wdDoc.MainDocumentPart.Document.Body;
           //获取所有包含一、二级标题的段落
           var parHasStyle = body.Descendants<Paragraph>().Where(t => t.Descendants<ParagraphStyleId>().Count() > 0 && 
t.Descendants<ParagraphStyleId>().All(c => c.Val == "1" || c.Val == "2"));
           string bookMarkName = "_Toc{0}";
           int num = 988888888;
           Dictionary<string, string> bookMarkAddedDic = new Dictionary<string, string>();

           if (parHasStyle.Count() > 0)
           {
               foreach (Paragraph p in parHasStyle)
               {
                   var bookmarkEnds = p.Descendants<BookmarkEnd>();//获取段落中所有BookmarkEnd标签
                   var bookmarkStarts = p.Descendants<BookmarkStart>();//获取段落中所有BookmarkStart标签
                   int bookmarkEndsCount = bookmarkEnds.Count();
                   int bookmarkStartsCount = bookmarkStarts.Count();
                   string name = string.Format(bookMarkName, ++num);
                   string id = (num++).ToString();

                   //创建新书签用于添加到标题上下
                   BookmarkStart bookmarkStart = new BookmarkStart() { Name = name, Id = id };
                   BookmarkEnd bookmarkEnd = new BookmarkEnd() { Id = id };

                   if (bookmarkEndsCount == 0 && bookmarkStartsCount == 0)
                   {
                       if (p.Descendants<Text>().Count() > 0)
                       {
                           AddBookMarkToParagraph(p, bookmarkEnd, bookmarkStart);//添加书签
                           bookMarkAddedDic.Add(p.Descendants<Text>().First().Text, name);//记录添加的书签
                       }
                   }
                   else
                       if (bookmarkEndsCount != bookmarkStartsCount)
                       {
                           DeleteBookMarkFromParagraph(body, p, bookmarkStarts, bookmarkEnds);//删除孤单书签
                           AddBookMarkToParagraph(p, bookmarkEnd, bookmarkStart);//添加新书签
                           string dicKey = GetKey(p);//获取被添加书签的标题
                           bookMarkAddedDic.Add(dicKey, name);//记录添加的书签
                       }
               }
               FixtDirectory(bookMarkAddedDic, body);//更新目录
           }

       }

       /// <summary>
       /// 将段落中文字拼起来得到标题内容
       /// </summary>
       /// <param name="p"></param>
       /// <returns></returns>
       private static string GetKey(Paragraph p)
       {
           return string.Join("", p.Descendants<Text>().Select(t => t.Text));
       }

       /// <summary>
       /// 修正书签
       /// </summary>
       /// <param name="bookMarkAddedDic"></param>
       /// <param name="body"></param>
       private static void FixtDirectory(Dictionary<string, string> bookMarkAddedDic, Body body)
       {
           if (bookMarkAddedDic.Count > 0)
           {
               if (body.Descendants<SdtBlock>().Count() > 0)
               {
                   //得到SdtContentBlock
                   SdtContentBlock sdtContentBlock = body.Descendants<SdtBlock>().First().GetFirstChild<SdtContentBlock>();
                   //遍历每一个超链接，修改里面的书签值
                   foreach (Hyperlink hyperlink in sdtContentBlock.Descendants<Hyperlink>())
                   {

                       Text text = hyperlink.Descendants<Text>().First();//得到目录项绑定的标题内容
                       if (bookMarkAddedDic.Keys.Contains(text.Text))
                       {
                           hyperlink.Anchor = bookMarkAddedDic[text.Text];//超链接绑定到书签的name
                           FieldCode pageRef = hyperlink.Descendants<FieldCode>().First(t => t.Text.Contains("PAGEREF"));//
                           pageRef.Text = "PAGEREF " + hyperlink.Anchor + "\\h";//更新PAGEREF以更新页码
                       }

                   }
               }

           }

       }

       /// <summary>
       /// 删除孤单标签
       /// </summary>
       /// <param name="body"></param>
       /// <param name="p"></param>
       /// <param name="bookmarkStarts"></param>
       /// <param name="bookmarkEnds"></param>
       private static void DeleteBookMarkFromParagraph(Body body, Paragraph p, IEnumerable<BookmarkStart> bookmarkStarts, 
IEnumerable<BookmarkEnd> bookmarkEnds)
       {
           IEnumerable<BookmarkStart> singleStartElenmentsIn = null;
           IEnumerable<BookmarkEnd> singleEndElenmentsIn = null;
           IEnumerable<BookmarkStart> singleStartElenmentsOut = null;
           IEnumerable<BookmarkEnd> singleEndElenmentsOut = null;

           singleStartElenmentsIn = bookmarkStarts.Where(t => 
!bookmarkEnds.Select(c => c.Id.Value).Contains(t.Id.Value));//获得段落内的孤单BookmarkStart标签
           List<BookmarkStart> bookmarkStartsLst = singleStartElenmentsIn.ToList();
           singleEndElenmentsIn = bookmarkEnds.Where(t => !bookmarkStartsLst.Select(c => c.Id.Value).
Contains(t.Id.Value));//获得段落内的孤单BookmarkEnd标签

           singleStartElenmentsOut = body.Descendants<BookmarkStart>().Where(t => singleEndElenmentsIn.
Select(c => c.Id.Value).Contains(t.Id.Value));//获得段落外的孤单BookmarkStart标签
           singleEndElenmentsOut = body.Descendants<BookmarkEnd>().Where(t => singleStartElenmentsIn.
Select(c => c.Id.Value).Contains(t.Id.Value));//获得段落外的孤单BookmarkEnd标签

           //删除所有孤单标签
           Remove(singleStartElenmentsOut);
           Remove(singleEndElenmentsOut);
           Remove(singleStartElenmentsIn);
           Remove(singleEndElenmentsIn);

       }

       private static void Remove(IEnumerable<OpenXmlElement> singleElenments)
       {
           singleElenments.ToList().ForEach(t => t.Remove());//删除标签
       }


       /// <summary>
       /// 添加新的标签到段落中标题上下
       /// </summary>
       /// <param name="p"></param>
       /// <param name="bookmarkEnd"></param>
       /// <param name="bookmarkStart"></param>
       private static void AddBookMarkToParagraph(Paragraph p, BookmarkEnd bookmarkEnd, BookmarkStart bookmarkStart)
       {
           if (p.Descendants<Text>().Count() > 0)
           {
               var wtBegin = p.Descendants<Text>().First();
               var wtEnd = p.Descendants<Text>().Last();
               Run rBegin = wtBegin.Parent as Run;//得到标题内容开始行
               Run rEnd = wtEnd.Parent as Run;//得到标题内容结束行

               rBegin.InsertBeforeSelf(bookmarkStart);//在标题上面插入BookmarkStart
               rEnd.InsertAfterSelf(bookmarkEnd);//在标题下面插入bookmarkEnd
           }
       }

 代码很少，我将说明加在注释上，相信各位都能看的懂。最后还希望大家踊跃留言讨论。谢谢！