如何将.docx中的换行符转换为HTML中的换行符使用PHP

Question

我正在使用zip_read()读取.docx文件，我意识到在.docx中，分页符的编码为<w:br w:type="page"></w:br>。我想将它变成<br style="page-break-before: always">，这样我就可以将它输出到HTML中。我怎样才能做到这一点？谢谢！

Answer 1

这是一个XML文件格式，这样你就可以用DOM阅读：

$xml = <<< WORD 
<?xml version="1.0" encoding="utf-8" standalone="yes"?> 
<?mso-application progid="Word.Document"?> 
<w:wordDocument xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"> 
    <w:body> 
    <w:br w:type="page"></w:br> 
    </w:body> 
</w:wordDocument> 
WORD; 

libxml_use_internal_errors(true); 
$dom = new DOMDocument(); 
$dom->loadXML($xml); 
libxml_clear_errors(); 

$xpath = new DOMXPath($dom); 
$xpath->registerNamespace('w', 'http://schemas.microsoft.com/office/word/2003/wordml'); 

// find all the page breaks 
foreach ($xpath->evaluate('//w:br[@w:type="page"]') as $page_break) { 
    // create an html break element with some style attribute 
    $html_break = $dom->createElement('br'); 
    $html_break->setAttribute('style', 'page-break-before: always'); 
    // replace the page break with the html break in the document 
    $page_break->parentNode->replaceChild($html_break, $page_break); 
} 
echo $dom->saveHTML(); 

这将字分页符HTML分页符转换的要求：

<?mso-application progid="Word.Document"><w:wordDocument xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml"> 
    <w:body> 
    <br style="page-break-before: always"> 
    </w:body> 
</w:wordDocument> 

不是它鉴于xml这个单词的其余部分仍然保持原样，它会很有意义。但这就是你如何使用XML解析器来处理它。

请确保检出https://github.com/PHPOffice/PHPWord以及