利用FME读取Word中的表格

利用FME的MSWordStyler转换器和Word写模块，我们可以将一些简单的文本和表格写出到Word文档格式中，转换器和写模块截图如下：

 图1 MSWordStyler转换器

 图2 Word写模块

FME目前还没有Word读模块可以直接读取和解析Word格式，今天我们给大家介绍一种方法可以来解析Word中的表格，及其两个方面的应用。

1、将国土空间规划各种数据库标准Word中的结构表转为Excel

在之前我们的技术博客有提到过利用Excel表建立GIS格式（gdb、mdb、sde）的空库结构，链接如下：FME-GIS专题之利用excel表建立空库结构_fmechina的博客-CSDN博客

当然，这个前提条件是你把Word中的表格已经人工复制到Excel中了，那如果能直接从Word中获取对应表格就可以省下一些人工时间了，特别是几百上千张表的情况。

 

        （1）在连接互联网的情况下，我们可以在FMEHUB中下载到WordToPDFWriter自定义转换器，这个转换器的核心是调用了python的comtypes.client来完成对word文档的另存。

 

 

 图3 WordToPDFWriter自定义转换器

        （2）通过代码我们可以发现它是另存为了PDF格式，当然我们直接运行这个转换器需要安装对应的python包，最简单的方法是在有互联网的条件下通过FMEHUB的PythonModuleInstaller转换器，设置对应的包名运行下就可以安装了，没有互联网的条件请自己下载离线包通过pip安装。

 图4 利用PythonModuleInstaller转换器安装comtypes包

        （3）我们在另存word文档的时候对应了很多格式，其中pdf、html、xml等FME都有对应的读模块去解析，因此我们只需要找到python中对应关系即可，具体的代码映射如下图

 

 

wdFormatDocument = 0

wdFormatDocument97 = 0

wdFormatDocumentDefault = 16

wdFormatDOSText = 4

wdFormatDOSTextLineBreaks = 5

wdFormatEncodedText = 7

wdFormatFilteredHTML = 10

wdFormatFlatXML = 19

wdFormatFlatXMLMacroEnabled = 20

wdFormatFlatXMLTemplate = 21

wdFormatFlatXMLTemplateMacroEnabled = 22

wdFormatHTML = 8

wdFormatPDF = 17

wdFormatRTF = 6

wdFormatTemplate = 1

wdFormatTemplate97 = 1

wdFormatText = 2

wdFormatTextLineBreaks = 3

wdFormatUnicodeText = 7

wdFormatWebArchive = 9

wdFormatXML = 11

wdFormatXMLDocument = 12

wdFormatXMLDocumentMacroEnabled = 13

wdFormatXMLTemplate = 14

wdFormatXMLTemplateMacroEnabled = 15

wdFormatXPS = 18

（4）这里我们主要定义了pdf、html、xml三种格式，分别为17、8和11.，调整后的自定义转换器如下图：

 图5 魔改后的自定义转换器

        （5）之后我们就可以用FeatureReader转换器读取刚才转换出的html文件，直接获取到对应的表格内容，如下图：

 图6读到的表格内容

 

        （6）然后利用HTMLExtractor和一些表操作转换器可以提取出对应的四五级章节表名，如下图：

 图7 获取到的表名

        （7）之后再对FeatureReader获取到的表进行过滤并挂接到对应表名，如下图：

 图8 过滤要素挂接表名

        （8）最后就可以动态写出到Excel中了，注意不需要输出属性名称，当然如果后面要接着建空库结构那就得用FeatureWriter转换器写出后在做进一步操作，写模块设置如下图：

 图9  Excel写模块设置

（9）最后自动写出的Excel如下图：

 图10 自动写出的excel效果图

        当然不同word格式，解析的转换器也是有差异的，所以并不是所有word结构都能通用这个模板，还是需要一定调整的。

当然如果想读取word的所有文字，我们可以利用刚才的自定义转换器把其先转为PDF格式然后再用FME进行读取和解析。

 

 图11 word转pdf后进行读取

2、提交文件完整性检查

利用同样的原理我们也可以通过某些提交的word清单中的文件是否提交完整了，相应页数是否符合要求，做一些目录结构和完整性检查，例如下图就是客户提交的word文件清单和对应的成果文件，我们可以利用上面的方法，结合FME的Directory and File Pathnames读取目录结构，完成检查，时间关系，此处不再累述了。