Android開發筆記（一百四十一）讀取PPT和PDF檔案

標籤：問題   rbegin   container   details   服務   his   manifest   包括   attr   

讀取ppt檔案讀取純文字上一篇博文講到在Android上如何讀取word檔案內容，那麼office三劍客中還剩ppt檔案的讀取。前面解析word檔案和excel檔案時，都用到了poi庫讀取檔案內容，對於ppt一樣也可以通過poi讀取投影片中的文本。HSLFSlideShow類就是poi中專門用於解析投影片的工具類，每張投影片又分別由單獨的HSLFSlide類處理，投影片中的具體圖文內容則由HSLFTextParagraph和HSLFTextRun進行分辨。

下面是使用poi解析ppt檔案（2003格式）的：


不同版本的poi庫在解析ppt的代碼略有區別，下面是使用poi15讀取ppt的代碼：

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);// 讀取一張投影片的內容(包括標題)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;}

讀取圖文樣式poi方式只能有效讀取ppt內部的文字資訊，對於ppt內帶的圖片以及文字樣式，便力有不逮了。在博文《Android開發筆記（一百四十）Word檔案的讀取與顯示》中，提到可以解析docx內部的document.xml檔案，從xml標記中擷取圖片資訊與樣式資訊，然後把圖文格式構造成html檔案，最後由WebView網頁視圖載入顯示html。對於pptx檔案，也可以解析pptx內部的slide*.xml投影片檔案，採用跟解析docx類似的做法，把解析得到的圖片與樣式資料寫入到html檔案，從而曲線實現了pptx檔案的讀取功能。

下面是以HTML格式顯示pptx檔案的：


下面是解析pptx並產生htmml檔案的主要代碼：

private void readPPTX(String pptPath) {try {ZipFile pptxFile = new ZipFile(new File(pptPath));int pic_index = 1; // pptx中的圖片名從image1開始，所以索引從1開始for (int i = 1; i < 100; i++) { // 最多支援100張投影片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"); // 擷取每張投影片InputStream inputStream = pptxFile.getInputStream(sharedStringXML);XmlPullParser xmlParser = Xml.newPullParser();xmlParser.setInput(inputStream, "utf-8");boolean isTitle = false; // 標題boolean isTable = false; // 表格boolean isSize = false; // 文字大小boolean isColor = false; // 文字顏色boolean isCenter = false; // 置中對齊boolean isRight = false; // 靠右對齊boolean isItalic = false; // 斜體boolean isUnderline = false; // 底線boolean isBold = false; // 加粗int event_type = xmlParser.getEventType();// 得到標籤類型的狀態while (event_type != XmlPullParser.END_DOCUMENT) {// 迴圈讀取流switch (event_type) {case XmlPullParser.START_TAG: // 開始標籤String tagBegin = xmlParser.getName();if (tagBegin.equalsIgnoreCase("ph")) { // 判斷是否標題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) { // 判斷對齊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")) { // 判斷文字顏色String color = xmlParser.getAttributeValue(0);output.write(String.format(spanColor, color).getBytes());isColor = true;}if (tagBegin.equalsIgnoreCase("rPr")) {if (!isTitle) {// 判斷文字大小String sizeStr = getAttrValue(xmlParser, "sz", "2800");int size = getSize(Integer.valueOf(sizeStr)/100);output.write(String.format(fontSizeTag, size).getBytes());isSize = true;}// 檢測到加粗String bStr = getAttrValue(xmlParser, "b", "");if (bStr.equals("1")) {isBold = true;}// 檢測到斜體String iStr = getAttrValue(xmlParser, "i", "");if (iStr.equals("1")) {isItalic = true;}// 檢測到底線String uStr = getAttrValue(xmlParser, "u", "");if (uStr.equals("sng")) {isUnderline = true;}}if (tagBegin.equalsIgnoreCase("tbl")) { // 檢測到表格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")) { // 檢測到圖片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++; // 轉換一張後，索引+1}if (tagBegin.equalsIgnoreCase("p") && !isTable) {// 檢測到段落，如果在表格中就無視output.write(lineBegin.getBytes());}// 檢測到文本if (tagBegin.equalsIgnoreCase("t")) {if (isBold == true) { // 加粗output.write(boldBegin.getBytes());}if (isUnderline == true) { // 檢測到底線，輸入<u>output.write(underlineBegin.getBytes());}if (isItalic == true) { // 檢測到斜體，輸入<i>output.write(italicBegin.getBytes());}String text = xmlParser.nextText();output.write(text.getBytes()); // 寫入文本if (isItalic == true) { // 輸入斜體結束標籤</i>output.write(italicEnd.getBytes());isItalic = false;}if (isUnderline == true) { // 輸入底線結束標籤</u>output.write(underlineEnd.getBytes());isUnderline = false;}if (isBold == true) { // 輸入加粗結束標籤</b>output.write(boldEnd.getBytes());isBold = false;}if (isSize == true) { // 輸入字型結束標籤</font>output.write(fontEnd.getBytes());isSize = false;}if (isColor == true) { // 輸入跨度結束標籤</span>output.write(spanEnd.getBytes());isColor = false;}//if (isCenter == true) { // 輸入置中結束標籤</center>。要在段落結束之前再輸入該標籤，因為該標籤會強制換行//output.write(centerEnd.getBytes());//isCenter = false;//}if (isRight == true) { // 輸入區塊結束標籤</div>output.write(divEnd.getBytes());isRight = false;}}break;// 結束標籤case XmlPullParser.END_TAG:String tagEnd = xmlParser.getName();if (tagEnd.equalsIgnoreCase("tbl")) { // 輸入表格結束標籤</table>output.write(tableEnd.getBytes());isTable = false;}if (tagEnd.equalsIgnoreCase("tr")) { // 輸入表格行結束標籤</tr>output.write(rowEnd.getBytes());}if (tagEnd.equalsIgnoreCase("tc")) { // 輸入表格列結束標籤</td>output.write(columnEnd.getBytes());}if (tagEnd.equalsIgnoreCase("p")) { // 輸入段落結束標籤</p>，如果在表格中就無視if (isTable == false) {if (isCenter == true) { // 輸入置中結束標籤</center>output.write(centerEnd.getBytes());isCenter = false;}output.write(lineEnd.getBytes());}}break;default:break;}event_type = xmlParser.next();// 讀取下一個標籤}output.write(htmlEnd.getBytes());output.close();htmlArray.add(htmlPath);}} catch (Exception e) {e.printStackTrace();}}

讀取pdf檔案Vudroid方式讀取上面以html方式顯示pptx檔案，雖然能夠讀取圖片與文字樣式，但是與原始的投影片內容相差還是比較大的，主要問題包括：
1、ppt中的圖文不像word那樣一般是上下排列，而是既有上下排列又有左右排列，還有根據相對位置的排列。可是簡單的html格式只能上下排列，難以適應其它方向的圖文排版。
2、ppt通常內建投影片背景，也就是每個投影片都有的背景圖片，可是slide*.xml檔案中解析不到背景圖片；況且由於背景圖的存在，使得圖片序號與投影片插圖對應不上，造成投影片頁面上的插圖產生混亂。
3、每張ppt的尺寸規格是固定的，及長度和高度的比例是不變的；但是一旦轉為html格式，頁面的長寬比例就亂套了，完全不是ppt原來的排版布局。

如果在java服務端，可以調用HSLFSlide類的draw方法，直接把每張投影片原樣畫到臨時的影像檔。然而在手機端，無法調用draw方法，因為該方法用到了java的awt映像庫，而Android並不提供該映像庫，所以poi不能直接繪製ppt的原始頁面。

既然直接顯示原樣的投影片難以實現，那麼就得考慮其它的辦法，一種思路是先在服務端把ppt檔案轉換為pdf檔案，然後手機端再來讀取pdf檔案。正好Android平台上擁有多種pdf的解析方案，其中之一是開源架構Vudroid，該架構允許讀取pdf檔案，並把pdf檔案內容以列表形式列印在螢幕上。下面是使用Vudroid架構解析pdf檔案的：


若要在Android項目中整合Vudroid架構，可按照以下步驟處理：
1、在AndroidManifest.xml中添加SD卡的操作許可權；
2、在libs目錄下匯入Vudroid的so庫libvudroid.so；（使用ADT開發時）
3、在工程源碼中匯入org.vudroid.pdfdroid包下的所有源碼；

下面是使用Vudroid架構解析pdf檔案的代碼：

public class VudroidActivity extends Activity implements OnClickListener, FileSelectCallbacks {private final static String TAG = "VudroidActivity";private FrameLayout fr_content;private DecodeService decodeService;@Overrideprotected 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);}@Overrideprotected void onDestroy() {        decodeService.recycle();        decodeService = null;super.onDestroy();}@Overridepublic void onClick(View v) {if (v.getId() == R.id.btn_open) {FileSelectFragment.show(this, new String[] {"pdf"}, null);}}@Overridepublic 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(ViewGroup.LayoutParams.MATCH_PARENT, ViewGroup.LayoutParams.MATCH_PARENT));decodeService.setContentResolver(getContentResolver());decodeService.setContainerView(documentView);documentView.setDecodeService(decodeService);decodeService.open(Uri.fromFile(new File(path)));fr_content.addView(documentView);documentView.showDocument();}@Overridepublic boolean isFileValid(String absolutePath, String fileName, Map<String, Object> map_param) {return true;}}

MuPDF方式讀取雖然Vudroid架構能夠正常解析並顯示pdf檔案內容，但美中不足的是：
1、Vudroid架構解析速度偏慢；
2、顯示pdf頁面時採用馬賽克逐格展示，不夠友好；
3、整個pdf檔案內容都調用draw方法繪製，難以改造為翻頁瀏覽的形式；

基於以上情況，博主又嘗試了其它的pdf解析架構，發現MuPDF這個解決方案較為理想。MuPDF的實現代碼相對較少，調用起來也比較方便，而且支援只瀏覽指定頁面，這意味著我們可以使用翻頁形式來逐頁瀏覽pdf檔案，更加符合普通使用者的使用習慣。下面是採用MuPDF架構解析pdf檔案的（列表形式）：


下面是採用MuPDF架構解析pdf檔案的（翻頁形式）：


若要在Android項目中整合MuPDF架構，可按照以下步驟處理：
1、在AndroidManifest.xml中添加SD卡的操作許可權；
2、在libs目錄下匯入MuPDF的so庫libmupdf.so；（使用ADT開發時）
3、在工程源碼中匯入com.artifex.mupdf包下的所有源碼；

下面是使用MuPDF架構解析pdf檔案的代碼：

public class PdfFragment extends Fragment implements OnPDFListener {private static final String TAG = "PdfFragment";protected View mView;protected Context mContext;private int position;public static PdfFragment newInstance(int position) {PdfFragment fragment = new PdfFragment();Bundle bundle = new Bundle();bundle.putInt("position", position);fragment.setArguments(bundle);return fragment;}@Overridepublic View onCreateView(LayoutInflater inflater, ViewGroup container,Bundle savedInstanceState) {Log.d(TAG, "width="+container.getMeasuredWidth()+", height="+container.getMeasuredHeight());mContext = getActivity();if (getArguments() != null) {position = getArguments().getInt("position");}MuPDFPageView pageView = new MuPDFPageView(mContext, MainApplication.getInstance().pdf_core, new Point(container.getMeasuredWidth(), container.getMeasuredHeight()));PointF pageSize = MainApplication.getInstance().page_sizes.get(position);if (pageSize != null) {pageView.setPage(position, pageSize);} else {pageView.blank(position);MuPDFPageTask task = new MuPDFPageTask(MainApplication.getInstance().pdf_core, pageView, position);task.setPDFListener(this);task.execute();}return pageView;}@Overridepublic void onRead(MuPDFPageView pageView, int position, PointF result) {MainApplication.getInstance().page_sizes.put(position, result);if (pageView.getPage() == position) {pageView.setPage(position, result);}}}

點擊下載本文用到的讀取PPT和PDF檔案的工程代碼


點此查看Android開發筆記的完整目錄

Android開發筆記（一百四十一）讀取PPT和PDF檔案