当您初次登录到 developerWorks 时，将会为您创建一份概要信息。您在 developerWorks 概要信息中选择公开的信息将公开显示给其他人，但您可以随时修改这些信息的显示状态。您的姓名（除非选择隐藏）和昵称将和您在 developerWorks 发布的内容一同显示。

所有提交的信息确保安全。

当您初次登录到 developerWorks 时，将会为您创建一份概要信息，您需要指定一个昵称。您的昵称将和您在 developerWorks 发布的内容显示在一起。

昵称长度在 3 至 31 个字符之间。您的昵称在 developerWorks 社区中必须是唯一的，并且出于隐私保护的原因，不能是您的电子邮件地址。

所有提交的信息确保安全。

My developerWorks:

我的通知：

退出

选择语言：

服务器诊所: 服务器上的 RTF

用低代价的服务器过程将文档处理自动化

Cameron Laird (claird@phaseit.net), 副总裁, Phaseit, Inc.

Cameron 是 Phaseit, Inc. 的一名全职顾问，他经常就开放源码及其它技术主题撰写文章并发表演说。可以通过 claird@phaseit.net与他联系。

简介： 办公室工作人员习惯交换用 Microsoft Word .DOC 格式编码的文档。丰富的开放源码工具使得自动化管理这些文档的内容成为可能。

标记本文！

发布日期： 2002 年 12 月 01 日
级别： 初级
访问情况： 1778 次浏览
评论：

“ 用于服务器的 PDF”是本系列中较受欢迎的专栏文章之一。更准确地说，它是收到反馈电子邮件最多的文章。一些读者请求 服务器诊所能同样处理 Microsoft Word 文档：描述该如何用程序去管理它们。

这样做很重要。极少有办公室工作人员能实现自动化，尽管 Microsoft 和其它公司已经在脚本编制、“活动文档”和相关技术方面投入了巨额资金。“文员们”普遍都习惯了这样的日常事务：输入来自计算机打印输出的数据。我看到在大量的工作场所中，甚至于对这样的惯例提出质疑都认为是不寻常的。

另一方面，许多系统程序员，他们身怀可以帮助最终用户集成复杂工作流的专业技能，却并不认为 Microsoft Word 格式是服务器端编程切实可行的目标。可以使用商业文档管理软件包，但价格都在 20,000 美元以上。

事实上，在 Linux 或其它 UNIX 服务器上您可以用适度的代价对 Word 文档进行大量的处理工作。请考虑这些可能性：

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。

回页首

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。

回页首

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。

参考资料

您可以参阅本文在 developerWorks 全球站点上的英文原文.
“ Rich Text Format (RTF) Specification, version 1.6”是 Microsoft 于 1999 年首次发布的文档。
Antiword是个用于 Linux 和 RISC 操作系统的免费 MS Word 阅读器。一些商业的 UNIX 分发版也包括了常见的 Windows 文件格式的专用阅读器。因为这些阅读器不能用于 Linux，所以本专栏文章没有更深入地描述它们。
catdoc Word 阅读器紧凑而又简单。
wvWare是用于转换 Word 文档的库。
阅读 Cameron 的文章“ 用于服务器的 PDF”（ developerWorks，2002 年 9 月）。
CPAN RTF目录包括了用于解析和生成 RTF 文档的 Perl 模块。而作者 Robert Rothenberg 将它分为“experimental”和“alpha”两类，它们即使在生产环境中也相当有用。
Docserver 是用 Perl 编码的应用程序，它将 .DOC 及相关格式表示成更标准的文本格式。它需要安装（获得许可的）在 Windows 主机上运行的 Microsoft Office，主机可以通过网络访问。
Open Office 主页和 Star Office 主页指向大量关于使用 .DOC 和 .RTF 的信息。
UNO Development Kit Project描述了 OpenOffice 进行脚本编制的方法。有关更多的详细信息，请参阅 UNO 技术文档。
NuxDocument是 Zope 产品，它将 Microsoft Word 和其它格式转换为 HTML 和纯文本。 Zope是很受欢迎的基于 Python 的内容管理和应用程序服务器。
Windward Reports 是用 Java 编码的商业产品，它包括了 .RTF ->{XML,TXT,HTML,...} 功能。Windward 不是基于 FO（xsl：fo）的，尽管它具有类似的外观。
HtmlToHlp是用 Java 编码的转换工具，将 HTML 文件转换成 RTF。
JRTF使用 servlet 动态生成 Word RTF 文档。
“ Using XSL-FO to create printable documents”介绍了 FO 并略微谈到了其使用 RTF 的可能性（ developerWorks，2001 年 11 月）。
在 developerWorksLinux 专区查找更多针对 Linux 开发人员的参考资料。