Android开发笔记（一百四十一）读取PPT和PDF文件

Posted 2020-09-11 aqi00

读取ppt文件

读取纯文本

上一篇博文讲到在android上如何读取word文件内容，那么office三剑客中还剩ppt文件的读取。前面解析word文件和excel文件时，都用到了poi库读取文件内容，对于ppt一样也可以通过poi读取幻灯片中的文本。HSLFSlideShow类就是poi中专门用于解析幻灯片的工具类，每张幻灯片又分别由单独的HSLFSlide类处理，幻灯片中的具体图文内容则由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：

	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);
				// 读取一张幻灯片的内容(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内部的文字信息，对于ppt内带的图片以及文字样式，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内部的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内部的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：

	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张幻灯片
				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"); // 获取每张幻灯片
				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++; // 转换一张后，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内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、每张ppt的尺寸规格是固定的，及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，直接把每张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文件内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：

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(
				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();
	}

	@Override
	public boolean isFileValid(String absolutePath, String fileName, Map<String, Object> map_param) {
		return true;
	}

}

MuPDF方式读取

虽然Vudroid框架能够正常解析并显示pdf文件内容，但美中不足的是：
1、Vudroid框架解析速度偏慢；
2、显示pdf页面时采用马赛克逐格展示，不够友好；
3、整个pdf文件内容都调用draw方法绘制，难以改造为翻页浏览的形式；

基于以上情况，博主又尝试了其它的pdf解析框架，发现MuPDF这个解决方案较为理想。MuPDF的实现代码相对较少，调用起来也比较方便，而且支持只浏览指定页面，这意味着我们可以使用翻页形式来逐页浏览pdf文件，更加符合普通用户的使用习惯。下面是采用MuPDF框架解析pdf文件的效果图（列表形式）：


下面是采用MuPDF框架解析pdf文件的效果图（翻页形式）：


若要在Android项目中集成MuPDF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MuPDF的so库libmupdf.so；（使用ADT开发时）
3、在工程源码中导入com.artifex.mupdf包下的所有源码；

下面是使用MuPDF框架解析pdf文件的代码：

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;
	}

	@Override
	public 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;
	}

	@Override
	public void onRead(MuPDFPageView pageView, int position, PointF result) {
		MainApplication.getInstance().page_sizes.put(position, result);
		if (pageView.getPage() == position) {
			pageView.setPage(position, result);
		}
	}
}

点击下载本文用到的读取PPT和PDF文件的工程代码


点此查看Android开发笔记的完整目录