首先是最简单的
首先,对于快速的人可读性、粗略的字数统计等而言,用字符串扫描 .DOC 文档通常是足够了。像
strings something.doc | wc -w
这样的命令返回的字数统计值通常误差在 10% 以内。
对这样粗糙的方法进行改进会非常困难。问题的核心在于 .DOC 作为一种格式,在这些年里已经进行了很大的更改。难于跟踪。
相关的 .RTF 有几个优势:它用 ASCII 进行编码,几乎具有人工可读性,并且它不太可能被病毒传染。而且,这些年里它已经显得稳定多了;1997 年的阅读器多半能理解今年编写的 .RTF,反之也是。在我所管理的一些网络上,我进行了流量限制:把 .DOC 排除在外,而赞成使用 .RTF,以预防恶意代码。原则上说,这剥夺了用户使用某些字处理特性的权利,而这些特性只能从 .DOC 获得。实际情况是,我从未遇到过一个这样的用户:他(或她)真正使用了一种用 .RTF 无法达到的效果。
下面的参考资料一节,列出了几个轻量级 Word 阅读器:wvWare、catdoc 等。这些通常能快速简便地进行安装和使用。大多数 UNIX 桌面用户现在都知道,UNIX 上的 OpenOffice 完全可以用来替代 Windows Word 的常见用途,而且非常擅长读和写 .DOC 文档。OpenOffice 公开了可编制脚本的接口,这使得它可以用 Java、C++、Python、OpenOffice.org Basic、StarScript、CORBA 或 OLE Automation 对文档内容进行编程。OpenOffice 还集成了使用这种技术的宏录制。本质上需要商业许可证的产品 StarOffice(TM)也是如此。
事实上,尽管 StarOffice 在形式上与 OpenOffice 是有区别的,本专栏文章完全着重于描述后者,因为根据后者的网站,“StarOffice 软件的未来版本,从 6.0 开始,将使用 OpenOffice.org 源代码、API(应用程序编程接口)、文件格式和参考实现进行构建”(请参阅参考资料)。在今后的 OpenOffice 实现中,“UNO(通用网络对象,Universal Network Object)是个基于接口的组件模型”。
可是,OpenOffice 是处理 Word 文档相当“笨重的”方式。它至少需要图形用户界面(GUI)服务,通常还需要相当细致的安装和多个编程的过程。面向 XML 的“格式化对象”(FO)与它非常相像:尽管功能很强大,但是它在开始工作之前需要进行许多工作。如果您不想进行这些我常常碰到的简单操作 - 生成固定格式的 .RTF 发票、“擦掉”收入状况周报表、用特定于阅读器的信息定制 Web 下载等等这类的事 - 那么您应该研究 .RTF 库的直接语言绑定。其中最好的是 Robert Rothenburg 的 Perl API。
RTF::Document
对于最简单的 .RTF 生成过程来说,进行简单的剪贴就够了。您可以用 shell 脚本,用参数表示象图 1 这样的生成。
清单 1. invoice.sh 的源代码(部分)
#!/bin/sh
AMOUNT="1234.56"
DATE="06 October 2002"
NUMBER="9999/3333"
PO="6543"
FORM="{\rtf1\ansi\deff0\deftab720{\fonttbl...
\par \pard\plain\f3\fs20
\par \pard\qr\plain\f2\fs24\cf0 $DATE
\par \pard\plain\f2\fs24\cf0 Phaseit, Inc.
\par #$NUMBER
\par
\par Please pay \$$AMOUNT to
...
图 1. 在 Linux 服务器上生成的简单 Word 文档的抓屏
为了使编程更加结构化、可伸缩和可维护,请使用 Perl 的 RTF 模块。这些模块使得有可能编写出像清单 2 中所示的代码。
清单 2. invoice.pl 的源代码(部分)
use RTF::Document;
$rtf = new RTF::Document({
doc_page_width = '8.5in',
doc_page_height = '11in'
});
$fCourier = $rtf-add_font ("Courier",
{ family=monospace, pitch=fixed,
alternates=["Courier New", "American Typewriter"]
}
);
$fTime s= $rtf-add_font ("Times New Roman",
{ default = 1
}
);
$rtf-add_text( $rtf-root(), "Invoice", ...
当然,用这个办法,我手头立即拥有了 Perl 的所有功能和生产,可以“接进”外部数据源、转换内容等。
结束语
别指望问题能自己解决。作为服务器端开发人员,部分责任就是检查身边的操作中的矛盾。如果有报表频繁丢失或编码错误,那么有个方法,就是劝诫雇员工作得久一些或更细心点。有时这很管用。但您可以用自动化工具系统地设计有效的过程。
自动化不仅仅只是能减少错误。将内容生成或处理过程自动化时,在定制和更佳质量的服务方面,会出现新的可能性。挑选下列参考资料中最符合您情况的内容,用它们解决那些在组织中已经消耗了很多时间的问题,并继续接受更有趣更有益的挑战。