本文探讨了如何将多个由JRRtfExporter生成的RTF格式Word文档进行合并的方法。通过对RTF文件结构的研究，提出了一种去除头尾信息并进行特定格式调整的技术方案，解决了在Web应用服务器环境下合并文档的问题。
说明：本地的样本Word是用jasperReport的JRRtfExporter生成的（RTF格式 特征：使用UltraEdit之类的文本编辑器打开为字符，如果打开是中间有0~f16列的，这是二进制文件，不在本文说明之列），目前已经实现了合并，但一旦其中几篇手工修改再保存，格式变了，合并还不怎么成功，固本文仅称为解决思路……
（2010-05-12更新：问题已解决，原来是由于一个程序BUG导致的）
最新有个技术任务，需要将多个JRRtfExporter生成的Word（实际上是RTF）合并成为一个Word。因此上网找啊找啊找资料……
找了半天，多为两种途径，均不符合我们的要求：
1.jacob
有个jacob的东东，使用了dll，所以只能在Windows环境下用了（我们需要在Web应用服务器（Unix-based）上实现）；
2.POI
网上的例子最多也就实现了从Word里抽取出纯文本（我们需要保留格式），并且写Word的方法也不咋样，貌似打开时还有问题。
那怎么办呢？
据了解，各种文件格式一般分为
*无头无尾型
比如MP3，两个MP3用ZIP打包再改后缀名就可以实现最简单合并
*有头有尾型
多数据文件格式有固定的头信息格式和尾信息
因此，猜测RTF也属于有头有尾了。
OK，先用FileInputStream readLine打印出来瞧瞧长什么样（用UltraEdit之类的文本编辑器打开Word(字符流型)看也一样）：
（ #后面表示注释说明）
OK，看了这些，合并就有思路了：
1.第一篇去尾 2.中间的去头去尾 3.最后一篇去头
*掐头：remove掉最前面的“{”
*去尾：remove掉最后的右括号，并替换为“/page”
手工实验了一下，成功！开始编程实现，最终对于未曾修改过的几篇Word成功合并。
对于有手工修改保存的(比如中间某一篇改过)，合并后的文档在那一篇后面合进来的几篇会有乱码。奇怪的是，如果全部的文档都手工修改过，反而一切OK。
把这种修改过的Word打开，嚯，不过加了一个字符，内容多了好多，格式也发生了变化：（看来得继续分析了
革命尚未成功，继续研究中……
2010-05-12更新：
替换为/page，会产生两个新问题
1.对于所有文档均有页眉页脚，且各不相同的情况，合并后所有的页眉页脚都变成最后一页的页眉页脚；
2.如果某一页后面有空白，合并后下一页会自动补进，从而改变了原文档的页布局
一开始对这两个问题没有参透，上来先看了《Word 2002 RTF Specification Final》中页眉页脚的定义（半天无果）。
后来经领导点拔："这可能是分节符的问题"顿悟（遇到问题多与人沟通多么重要）
后终分析出分节符的一般定义："/sectd /ltrsect/linex0/endnhere/sectspecifyl/sectrsid4587980/sftnbj {/rtlch/fcs1 /af0 /ltrch/fcs0 /insrsid14484352 /sect }/sectd /ltrsect"（注：这段代码只是自己做了一个空白RTF插入一个分节符得到的，相关数字在实际应用并未影响格式）。
合并问题终得以彻底解决：）
其它与此有关的BLOG：NO.52 RTF实现动态Word 2.基本原理及程序类
扫一扫
3360
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
