Android开发笔记（一百四十一）读取PPT和PDF文件

读取ppt文件

读取纯文本

上一篇博文讲到在Android上如何读取word文件内容，那么office三剑客中还剩ppt文件的读取。前面解析word文件和excel文件时，都用到了poi库读取文件内容，对于ppt一样也可以通过poi读取幻灯片中的文本。HSLFSlideShow类就是poi中专门用于解析幻灯片的工具类，每张幻灯片又分别由单独的HSLFSlide类处理，幻灯片中的具体图文内容则由HSLFTextParagraph和HSLFTextRun进行分辨。

下面是使用poi解析ppt文件（2003格式）的效果图：


不同版本的poi库在解析ppt的代码略有区别，下面是使用poi15读取ppt的代码：

public static ArrayList<String> readPPT(String path) {ArrayList<String> contentArray = new ArrayList<String>();try {FileInputStream fis = new FileInputStream(new File(path));HSLFSlideShow hslf = new HSLFSlideShow(fis);List<HSLFSlide> slides = hslf.getSlides();for (int i = 0; i < slides.size(); i++) {String content = "";HSLFSlide item = slides.get(i);// 读取一张幻灯片的内容(包括标题)List<List<HSLFTextParagraph>> tps = item.getTextParagraphs();for (int j = 0; j < tps.size(); j++) {List<HSLFTextParagraph> tps_row = tps.get(j);for (int k = 0; k < tps_row.size(); k++) {HSLFTextParagraph tps_item = tps_row.get(k);List<HSLFTextRun> trs = tps_item.getTextRuns();for (int l = 0; l < trs.size(); l++) {HSLFTextRun trs_item = trs.get(l);content = String.format("%s%s\n", content, trs_item.getRawText());}}}contentArray.add(content);}} catch (Exception e) {e.printStackTrace();}return contentArray;}

读取图文样式

poi方式只能有效读取ppt内部的文字信息，对于ppt内带的图片以及文字样式，便力有不逮了。在博文《Android开发笔记（一百四十）Word文件的读取与显示》中，提到可以解析docx内部的document.xml文件，从xml标记中获取图片信息与样式信息，然后把图文格式构造成html文件，最后由WebView网页视图加载显示html。对于pptx文件，也可以解析pptx内部的slide*.xml幻灯片文件，采用跟解析docx类似的做法，把解析得到的图片与样式数据写入到html文件，从而曲线实现了pptx文件的读取功能。

下面是以HTML格式显示pptx文件的效果图：


下面是解析pptx并生成htmml文件的主要代码：

private void readPPTX(String pptPath) {try {ZipFile pptxFile = new ZipFile(new File(pptPath));int pic_index = 1; // pptx中的图片名从image1开始，所以索引从1开始for (int i = 1; i < 100; i++) { // 最多支持100张幻灯片String filePath = String.format("%s%d.html", FileUtil.getFileName(pptPath), i);String htmlPath = FileUtil.createFile("html", filePath);Log.d(TAG, "i="+i+", htmlPath=" + htmlPath);output = new FileOutputStream(new File(htmlPath));presentPicture = 0;output.write(htmlBegin.getBytes());ZipEntry sharedStringXML = pptxFile.getEntry("ppt/slides/slide" + i + ".xml"); // 获取每张幻灯片InputStream inputStream = pptxFile.getInputStream(sharedStringXML);XmlPullParser xmlParser = Xml.newPullParser();xmlParser.setInput(inputStream, "utf-8");boolean isTitle = false; // 标题boolean isTable = false; // 表格boolean isSize = false; // 文字大小boolean isColor = false; // 文字颜色boolean isCenter = false; // 居中对齐boolean isRight = false; // 靠右对齐boolean isItalic = false; // 斜体boolean isUnderline = false; // 下划线boolean isBold = false; // 加粗int event_type = xmlParser.getEventType();// 得到标签类型的状态while (event_type != XmlPullParser.END_DOCUMENT) {// 循环读取流switch (event_type) {case XmlPullParser.START_TAG: // 开始标签String tagBegin = xmlParser.getName();if (tagBegin.equalsIgnoreCase("ph")) { // 判断是否标题String titleType = getAttrValue(xmlParser, "type", "text");if (titleType.equals("text")) {isTitle = false;} else {isTitle = true;isSize = true;if (titleType.equals("ctrTitle")) {output.write(centerBegin.getBytes());isCenter = true;output.write(String.format(fontSizeTag, getSize(60)).getBytes());} else if (titleType.equals("subTitle")) {output.write(centerBegin.getBytes());isCenter = true;output.write(String.format(fontSizeTag, getSize(24)).getBytes());} else if (titleType.equals("title")) {output.write(String.format(fontSizeTag, getSize(44)).getBytes());}}}if (tagBegin.equalsIgnoreCase("pPr") && !isTitle) { // 判断对齐方式String align = getAttrValue(xmlParser, "algn", "l");xmlParser.getAttributeValue(0);if (align.equals("ctr")) {output.write(centerBegin.getBytes());isCenter = true;}if (align.equals("r")) {output.write(divRight.getBytes());isRight = true;}}if (tagBegin.equalsIgnoreCase("srgbClr")) { // 判断文字颜色String color = xmlParser.getAttributeValue(0);output.write(String.format(spanColor, color).getBytes());isColor = true;}if (tagBegin.equalsIgnoreCase("rPr")) {if (!isTitle) {// 判断文字大小String sizeStr = getAttrValue(xmlParser, "sz", "2800");int size = getSize(Integer.valueOf(sizeStr)/100);output.write(String.format(fontSizeTag, size).getBytes());isSize = true;}// 检测到加粗String bStr = getAttrValue(xmlParser, "b", "");if (bStr.equals("1")) {isBold = true;}// 检测到斜体String iStr = getAttrValue(xmlParser, "i", "");if (iStr.equals("1")) {isItalic = true;}// 检测到下划线String uStr = getAttrValue(xmlParser, "u", "");if (uStr.equals("sng")) {isUnderline = true;}}if (tagBegin.equalsIgnoreCase("tbl")) { // 检测到表格output.write(tableBegin.getBytes());isTable = true;} else if (tagBegin.equalsIgnoreCase("tr")) { // 表格行output.write(rowBegin.getBytes());} else if (tagBegin.equalsIgnoreCase("tc")) { // 表格列output.write(columnBegin.getBytes());}if (tagBegin.equalsIgnoreCase("pic")) { // 检测到图片ZipEntry pic_entry = FileUtil.getPicEntry(pptxFile, "ppt", pic_index);if (pic_entry != null) {byte[] pictureBytes = FileUtil.getPictureBytes(pptxFile, pic_entry);writeDocumentPicture(i, pictureBytes);}pic_index++; // 转换一张后，索引+1}if (tagBegin.equalsIgnoreCase("p") && !isTable) {// 检测到段落，如果在表格中就无视output.write(lineBegin.getBytes());}// 检测到文本if (tagBegin.equalsIgnoreCase("t")) {if (isBold == true) { // 加粗output.write(boldBegin.getBytes());}if (isUnderline == true) { // 检测到下划线，输入<u>output.write(underlineBegin.getBytes());}if (isItalic == true) { // 检测到斜体，输入<i>output.write(italicBegin.getBytes());}String text = xmlParser.nextText();output.write(text.getBytes()); // 写入文本if (isItalic == true) { // 输入斜体结束标签</i>output.write(italicEnd.getBytes());isItalic = false;}if (isUnderline == true) { // 输入下划线结束标签</u>output.write(underlineEnd.getBytes());isUnderline = false;}if (isBold == true) { // 输入加粗结束标签</b>output.write(boldEnd.getBytes());isBold = false;}if (isSize == true) { // 输入字体结束标签</font>output.write(fontEnd.getBytes());isSize = false;}if (isColor == true) { // 输入跨度结束标签</span>output.write(spanEnd.getBytes());isColor = false;}//if (isCenter == true) { // 输入居中结束标签</center>。要在段落结束之前再输入该标签，因为该标签会强制换行//output.write(centerEnd.getBytes());//isCenter = false;//}if (isRight == true) { // 输入区块结束标签</div>output.write(divEnd.getBytes());isRight = false;}}break;// 结束标签case XmlPullParser.END_TAG:String tagEnd = xmlParser.getName();if (tagEnd.equalsIgnoreCase("tbl")) { // 输入表格结束标签</table>output.write(tableEnd.getBytes());isTable = false;}if (tagEnd.equalsIgnoreCase("tr")) { // 输入表格行结束标签</tr>output.write(rowEnd.getBytes());}if (tagEnd.equalsIgnoreCase("tc")) { // 输入表格列结束标签</td>output.write(columnEnd.getBytes());}if (tagEnd.equalsIgnoreCase("p")) { // 输入段落结束标签</p>，如果在表格中就无视if (isTable == false) {if (isCenter == true) { // 输入居中结束标签</center>output.write(centerEnd.getBytes());isCenter = false;}output.write(lineEnd.getBytes());}}break;default:break;}event_type = xmlParser.next();// 读取下一个标签}output.write(htmlEnd.getBytes());output.close();htmlArray.add(htmlPath);}} catch (Exception e) {e.printStackTrace();}}

读取pdf文件

Vudroid方式读取

上面以html方式显示pptx文件，虽然能够读取图片与文字样式，但是与原始的幻灯片内容相差还是比较大的，主要问题包括：
1、ppt中的图文不像word那样一般是上下排列，而是既有上下排列又有左右排列，还有根据相对位置的排列。可是简单的html格式只能上下排列，难以适应其它方向的图文排版。
2、ppt通常自带幻灯片背景，也就是每个幻灯片都有的背景图片，可是slide*.xml文件中解析不到背景图片；况且由于背景图的存在，使得图片序号与幻灯片插图对应不上，造成幻灯片页面上的插图产生混乱。
3、每张ppt的尺寸规格是固定的，及长度和高度的比例是不变的；但是一旦转为html格式，页面的长宽比例就乱套了，完全不是ppt原来的排版布局。

如果在java服务端，可以调用HSLFSlide类的draw方法，直接把每张幻灯片原样画到临时的图像文件。然而在手机端，无法调用draw方法，因为该方法用到了java的awt图像库，而Android并不提供该图像库，所以poi不能直接绘制ppt的原始页面。

既然直接显示原样的幻灯片难以实现，那么就得考虑其它的办法，一种思路是先在服务端把ppt文件转换为pdf文件，然后手机端再来读取pdf文件。正好Android平台上拥有多种pdf的解析方案，其中之一是开源框架Vudroid，该框架允许读取pdf文件，并把pdf文件内容以列表形式打印在屏幕上。下面是使用Vudroid框架解析pdf文件的效果图：


若要在Android项目中集成Vudroid框架，可按照以下步骤处理：
1、在AndroidManifest.xml中添加SD卡的操作权限；
2、在libs目录下导入Vudroid的so库libvudroid.so；（使用ADT开发时）
3、在工程源码中导入org.vudroid.pdfdroid包下的所有源码；

下面是使用Vudroid框架解析pdf文件的代码：

public class VudroidActivity extends Activity implements OnClickListener, FileSelectCallbacks {private final static String TAG = "VudroidActivity";private FrameLayout fr_content;private DecodeService decodeService;@Overrideprotected void onCreate(Bundle savedInstanceState){super.onCreate(savedInstanceState);setContentView(R.layout.activity_pdf_vudroid);decodeService = new DecodeServiceBase(new PdfContext());findViewById(R.id.btn_open).setOnClickListener(this);fr_content = (FrameLayout) findViewById(R.id.fr_content);}@Overrideprotected void onDestroy() {        decodeService.recycle();        decodeService = null;super.onDestroy();}@Overridepublic void onClick(View v) {if (v.getId() == R.id.btn_open) {FileSelectFragment.show(this, new String[] {"pdf"}, null);}}@Overridepublic void onConfirmSelect(String absolutePath, String fileName, Map<String, Object> map_param) {String path = String.format("%s/%s", absolutePath, fileName);Log.d(TAG, "path="+path);DocumentView documentView = new DocumentView(this);documentView.setLayoutParams(new ViewGroup.LayoutParams(ViewGroup.LayoutParams.MATCH_PARENT, ViewGroup.LayoutParams.MATCH_PARENT));decodeService.setContentResolver(getContentResolver());decodeService.setContainerView(documentView);documentView.setDecodeService(decodeService);decodeService.open(Uri.fromFile(new File(path)));fr_content.addView(documentView);documentView.showDocument();}@Overridepublic boolean isFileValid(String absolutePath, String fileName, Map<String, Object> map_param) {return true;}}

MuPDF方式读取

虽然Vudroid框架能够正常解析并显示pdf文件内容，但美中不足的是：
1、Vudroid框架解析速度偏慢；
2、显示pdf页面时采用马赛克逐格展示，不够友好；
3、整个pdf文件内容都调用draw方法绘制，难以改造为翻页浏览的形式；

基于以上情况，博主又尝试了其它的pdf解析框架，发现MuPDF这个解决方案较为理想。MuPDF的实现代码相对较少，调用起来也比较方便，而且支持只浏览指定页面，这意味着我们可以使用翻页形式来逐页浏览pdf文件，更加符合普通用户的使用习惯。下面是采用MuPDF框架解析pdf文件的效果图（列表形式）：


下面是采用MuPDF框架解析pdf文件的效果图（翻页形式）：


若要在Android项目中集成MuPDF框架，可按照以下步骤处理：
1、在AndroidManifest.xml中添加SD卡的操作权限；
2、在libs目录下导入MuPDF的so库libmupdf.so；（使用ADT开发时）
3、在工程源码中导入com.artifex.mupdf包下的所有源码；

下面是使用MuPDF框架解析pdf文件的代码：

public class PdfFragment extends Fragment implements OnPDFListener {private static final String TAG = "PdfFragment";protected View mView;protected Context mContext;private int position;public static PdfFragment newInstance(int position) {PdfFragment fragment = new PdfFragment();Bundle bundle = new Bundle();bundle.putInt("position", position);fragment.setArguments(bundle);return fragment;}@Overridepublic View onCreateView(LayoutInflater inflater, ViewGroup container,Bundle savedInstanceState) {Log.d(TAG, "width="+container.getMeasuredWidth()+", height="+container.getMeasuredHeight());mContext = getActivity();if (getArguments() != null) {position = getArguments().getInt("position");}MuPDFPageView pageView = new MuPDFPageView(mContext, MainApplication.getInstance().pdf_core, new Point(container.getMeasuredWidth(), container.getMeasuredHeight()));PointF pageSize = MainApplication.getInstance().page_sizes.get(position);if (pageSize != null) {pageView.setPage(position, pageSize);} else {pageView.blank(position);MuPDFPageTask task = new MuPDFPageTask(MainApplication.getInstance().pdf_core, pageView, position);task.setPDFListener(this);task.execute();}return pageView;}@Overridepublic void onRead(MuPDFPageView pageView, int position, PointF result) {MainApplication.getInstance().page_sizes.put(position, result);if (pageView.getPage() == position) {pageView.setPage(position, result);}}}

点击下载本文用到的读取PPT和PDF文件的工程代码


点此查看Android开发笔记的完整目录