【懒狗福音】自动化提取待复习内容 极大提高效率

前言

【简单介绍一下大致背景 方便大家更快的get到这个东西的作用】

作为一只计算机的考研狗，每天起早贪黑，日复一日的复习。
知识越来越丰富，头发也越来越稀疏hhh

伴随着时间推移到了八月中，相比于刚刚开始备考的几个月，学科难度持续增大，学习项目越来越庞杂。因此每天的学习热情已经趋于平淡，但又秉持着必要上岸的决心，每天能不能坚持9h+的全凭意志力。（偶尔摆烂呜呜）

在英语的复习中，大纲词汇要背，阅读生词要背诵，真题熟词僻义要背…我原本的思路是把所有地方的单词按照这个样子整理到pdf中来，每天仅需要将不熟悉的部分用高亮选中，然后每天复习就好了。

但是随着数量越来越多之后，我发现了一个问题，不熟悉的单词东一个西一个，可能阅读部分有几个，翻译部分有几个…这总不能一页页翻过去找吧…本来就时间紧任务重。那有没有一个办法能把我不会的单词统一到一起，这样我就可以很快速的进行复习了。

左思右想之后，敲定了几种方案：
× 使用word自带的宏，进行编程，实现效果。但是不具备宏编程基础，并且宏编程界面跟记事本一样…开发起来很头痛，会付出很多的额外时间成本。

√ 使用bat脚本+java脚本的方式 实现，之前有研究过bat脚本和java结合的方式，且java使用更加得心应手。

说干就干！！！

正文

实现思路

原来的复习方式 主要分为两部分：

①新词产生：学习产生陌生词汇——登记到word中——高亮标记需要重复学习的部分
②旧词复习：从后向前遍历每一页的新词，若掌握则去除标记，发现新的未掌握则添加标记。

主要的时间开销：在N页的文档中寻找需要复习的单词。

理想的复习方式：
着重针对寻找待复习单词方面进行优化
①新词产生：学习产生陌生词汇——登记到word中——高亮标记需要重复学习的部分
②旧词复习：由脚本帮忙整理出待复习的新词，若全部掌握即可回到文档直接 “全选-去除高亮”。

java脚本开发

省略中间选择实现方式的思考过程，最终选择使用 spire.doc.free的工具包完成

整体使用maven管理项目

首先配置pom引入相关依赖

        <dependency>
            <groupId>e-iceblue</groupId>
            <artifactId>spire.doc.free</artifactId>
            <version>3.9.0</version>
        </dependency>
1
2
3
4
5

这家伙不像其他依赖那么简单就能引入，他需要配置一下自己的仓库，同样在pom文件中

    <!--    配置word的仓库-->
    <repositories>
        <repository>
            <id>com.e-iceblue</id>
            <url>http://repo.e-iceblue.cn/repository/maven-public/</url>
        </repository>
    </repositories>
1
2
3
4
5
6
7

然后开始编写逻辑代码

我的word长这样，每一页都是一个N行4列的表格，其中一、三列英语，二、四列汉语。

除了普通的一个单词对应一个汉语，还存在一个单词对应多个汉语，或者多个单词对应一个汉语的情况。

首先简单介绍一下这个依赖读入word文件的流程（具体的实现可以根据名字去查开发手册）：
【其实就是读入遍历循环的顺序】

1. 将整个文档根据分节符分成很多节
2. 将每一节根据我们文档的表格分成很多个表格
3. 将每一张表分成很多行
4. 将每一行分成很多列
5. 将单元格拆分为段落（这个比较抽象 比如回车一下算一段）
6. 将段落拆为不同的对象（这个更抽象 可以结合代码理解）

直接上成品代码（后续有解释）

import com.spire.doc.Document;
import com.spire.doc.Section;
import com.spire.doc.TableCell;
import com.spire.doc.TableRow;
import com.spire.doc.documents.Paragraph;
import com.spire.doc.fields.TextRange;
import com.spire.doc.interfaces.ITable;

import java.awt.*;

public class word_op {
    public static void main(String[] args) {
        //加载Word源文档
        Document doc = new Document();
        doc.loadFromFile("C:\\Users\\23252\\Desktop\\真题词汇词组.docx");

        //获取第一节
        Section section = doc.getSections().get(0);

        for (int i = 0; i < section.getTables().getCount(); i++) {
            //获取第i个表格
            ITable table = section.getTables().get(i);

            //遍历每个表格的行
            for (int j = 0; j < table.getRows().getCount(); j++) {
                TableRow row = table.getRows().get(j);

                //遍历每行的列
                for (int k = 0; k < row.getCells().getCount(); k++) {
                    TableCell cell = row.getCells().get(k);

                    //某个单元格整体的内容
                    StringBuilder res = new StringBuilder();

                    //遍历单元格中的段落
                    for (int l = 0; l < cell.getParagraphs().getCount(); l++) {
                        Paragraph paragraph = cell.getParagraphs().get(l);
                        //遍历每个段落的子对象
                        for (int m = 0; m < paragraph.getChildObjects().getCount(); m++) {
                            Object obj = paragraph.getChildObjects().get(m);
                            if (obj instanceof TextRange) {
                                //获取文本
                                String text = ((TextRange) obj).getText();
                                //去除特殊符号
                                text = text.replaceAll("\r|\n", "");
                                //获取文本的高亮颜色（即突出显示颜色）
                                Color color = ((TextRange) obj).getCharacterFormat().getHighlightColor();
                                //判断是否高亮
                                if (!(color.getRGB() == 0)) {
                                    res.append(text);
                                    //判断是否有多段 进行分割
                                    if (cell.getParagraphs().getCount() != 1 && m == paragraph.getChildObjects().getCount() - 1) {
                                        //最后一段后面没东西 不需要再加分割
                                        if (cell.getParagraphs().getCount() - 1 != l) {
                                            res.append(" | ");
                                        }
                                    }
                                }
                            }
                        }

                    }
                    if (!res.toString().equals("")) {
                        if ((k + 1) % 2 != 0) {
                            System.out.print(generateWordSpan(res.toString()));
                        } else {
                            System.out.println(res);
                        }
                    }
                }
            }

        }

    }

    //    组合总长
    public static int total_length = 50;       //30+20

    //    根据单词长度动态生成后端空格组合
    public static String generateWordSpan(String word) {
        int span_length = total_length - word.length();

        StringBuilder op_word = new StringBuilder(word);
        for (int i = 0; i < span_length; i++) {
            op_word.append(" ");
        }

        return op_word.toString();
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92

解释几个地方：

1. 首先是这一部分那个append操作在叠加什么

  //遍历每个段落的子对象
                        for (int m = 0; m < paragraph.getChildObjects().getCount(); m++) {
                            Object obj = paragraph.getChildObjects().get(m);
                            if (obj instanceof TextRange) {
                                //获取文本
                                String text = ((TextRange) obj).getText();
                                //去除特殊符号
                                text = text.replaceAll("\r|\n", "");
                                //获取文本的高亮颜色（即突出显示颜色）
                                Color color = ((TextRange) obj).getCharacterFormat().getHighlightColor();
                                //判断是否高亮
                                if (!(color.getRGB() == 0)) {
                                    res.append(text);
                                    //判断是否有多段 进行分割
                                    if (cell.getParagraphs().getCount() != 1 && m == paragraph.getChildObjects().getCount() - 1) {
                                        //最后一段后面没东西 不需要再加分割
                                        if (cell.getParagraphs().getCount() - 1 != l) {
                                            res.append(" | ");
                                        }
                                    }
                                }
                            }
                        }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

首先很明确的是，用我们的视角来看，我们想要的目标是一个单元格，我们只有拿到一整个单元格的内容才能把数据存下来到数组啊，链表啊之类的。我们的操作对象既不是比单元格大的行、列，也不是比单元格更小的段落或者对象。

但是在程序的视角来看，单元格由段落组成，段落由对象组成。

那么我们就需要把较小的东西拼起来，凑成我们想要的东西。

所以核心逻辑就是：从word读入文件，一轮轮for循环下去，不断切切切，切到最小，然后我们操作着最小的对象开始拼装。

2. 这部分动态组合是在干什么

    //    组合总长
    public static int total_length = 50;       //30+20

    //    根据单词长度动态生成后端空格组合
    public static String generateWordSpan(String word) {
        int span_length = total_length - word.length();

        StringBuilder op_word = new StringBuilder(word);
        for (int i = 0; i < span_length; i++) {
            op_word.append(" ");
        }

        return op_word.toString();
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14

这部分相对于上面那部分就简单太多啦，纯粹是因为个人强迫症。
因为单词不一样长，所以他和汉语之间的空格也不一样，所以最后控制台打印出来会歪歪扭扭，于是我设置了 单词+空格+汉语 的总长，一个太长另一个就短一点，也算是自己实现了动态调剂算法哈哈哈哈。

其他地方不难理解，可以按着我的样子建个表，然后自己代码贴过去跑一跑，很快就能理解。
贴一个效果图，节选了上面那一页的部分。

是不是很整齐

到这里

结合bat脚本

到这里，我们需要把写好的文件打成jar包或者exe文件，方便我们bat脚本调用（打jar包过程可以看我其他文章或者自行百度），这里因为习惯就打jar包了。

编写bat脚本

接下来我们可以写一个启动脚本，运行这个java程序，目前这个简易版的小脚本只有下面这三句。

cd C:\XXXX               (你的脚本的目录)
java -jar XXXXX.jar      (你的jar包的名字)
pause > nul  (这一句是为了让你的窗口执行完停下来，而不是直接闪退，可以多贴几行防止手误)
1
2
3

把这句话写到记事本里，保存为bat文件。

效果展示

双击bat文件，等待之后。

成功啦！！！正文部分到这里完全结束！！！接下来是小的碎碎念时间。

这个程序的拓展性

假设场景：在学校，白天去图书馆懒得搬电脑：
或许我们可以在java脚本中加一段发送邮件的代码（很简单），这样每天早上出门前运行一下代码，待复习内容就可以发送到邮箱，手机就可以随时随地查看了。不过那样发过去的单词可能看起来没那么整齐哈哈哈。

后续可能方案：做一个简单的图形化界面，在界面上通过勾选框选择已经掌握的单词，bat界面关闭后自动修改word文档里的高亮标识。（这个不难但是我是懒狗现在不想做）

高性价比方案：当前脚本保持不变，配合远程控制软件ToDesk使用，在图书馆使用iPad链接寝室的电脑，仅需双击bat文件，通过pad屏幕来看打印出来的单词，我们仅需要在晚上睡前修改一下待复习单词。

尾声

到这里也算是终于结束啦，原本预定一早上搞定，但是因为有段日子没有写过代码了，手有点生。
从完全不了解spire.doc.free这个依赖，到自己看开发文档，再到设计实现逻辑，还是学到了很多东西。
整个程序看起来不是很难，但每一步都不容出错。代码虽然很短，但是其中的核心逻辑大改了三遍hhh（纯菜狗了哈哈哈），从开始设计到写完这篇博客，用了大半天时间。今天是光明正大的摆烂的一天。