word文档格式自动分析方法

张广梅，朱红梅

（山东农业大学信息科学与工程学院，山东 泰安 271000）

0 引言

计算机文化基础是高等教育的基础课程[1]。Office办公自动化软件的使用是计算机文化基础的重要内容之一。为了更有效的对学生的学习效果进行检查，计算机文化基础的考试应经采用无纸化的考试方式进行。针对office软件的特点，在考试过程中，通常都是给出排版要求，学生根据排版要求对指定的文档进行排版，最后提交排版之后的文档。通常情况下，教师根据排版要求对学生提交的文档进行人工检查。这样做不仅工作量大，而且由于每个教师的评分尺度不同，无法客观公正地对学生的学习效果进行评价。为解决这一问题，很有必要开发office文档的自动分析系统[2-3]，一方面可以大大降低教师的阅卷工作量；同时可以有效地避免因评分尺度不同所造成的学生成绩的差异。本文以wod文档为例，对word文档自动分析程序中所涉及的相关问题进行了讨论。

1 word文档格式自动分析基础

1.1 Word对象模型

Word文档编辑过程中所涉及的每一项内容都是一个对象，这些对象的相互关联组成了Word中的对象模型[4]。也就是说，在Word文档中，文档、对话框、文本框、图形、图表甚至应用程序本身都是对象[5]，同时，这些对象都有自己的属性和方法，因此，可通过程序来访问word文档中的这些对象，完成文档格式的自动分析。

1.2 常见的VBA对象及其属性分析

1.2.1 利用font对象获取文字的排版格式

Font对象代表指定对象的字符格式。在对office文档进行排版的过程中，经常需要对指定的文件的格式进行设置。文字格式包括字体、字形、字号、字体颜色、字符间距等。在word文档进行分析时，要获取文字的字体设置信息可以通过读取Font对象的相关属性完成。表1对Font 对象的相关属性进行了介绍。

表1 Font 对象的相关属性

1.2.2 利用ParagraphFormat对象获取段落的排版信息

段落排版的相关信息存储在Paragraph对象中。代表整个WORD文档的Document对象具有Paragraphs属性，它是文档中所有Paragraph对象的集合，该集合包含指定文档、区域或所选内容中的所有段落，该集合中的每一个元素代表了一个Paragraph对象，一个Paragraph对象代表了文档中一个段落。Paragraph对象具有format属性，通过读写Paragraph 对象的format属性，可以获取到一个ParagraphFormat对象。ParagraphFormat对象记录了段落的所有格式信息。表2列出了ParagraphFormat对象的相关信息。

表2 ParagraphFormat对象的部分属性

1.2.3 利用Font对象和Sections对象获取边框和底纹的排版信息

边框和底纹的处理也是在word文档排版过程中的常用的基本操作。边框和底纹主要包括文字边框、文字底纹和页面边框。文字的边框和底纹记录在Font对象的相关属性中，而页面边框记录在Sections对象的相关属性中。表3列出了记录相关排版信息的对象及属性。

表3 边框和底纹的属性列表

1.2.4 利用TextColumns对象获取文档的分栏信息

分栏设置的相关信息可以通过TextColumns对象获得。TextColumns对象是文档中TextColumn对象的集合。通过访问Document.Pagesetup.TextColums 的属性，可以获取word文档中的TextColums的对象。表4中列出了TextColumn的属性，通过读取这些属性可以获取相应的分栏信息。

表4 分栏的属性列表

1.2.5 利用Dropcap对象获取首字下沉的相关信息

首字下沉的相关信息存储在Dropcap对象中。Dropcap对象代表段落中格式为首字下沉的大写字母。通过访问文档对象的Selection.Paragraphs（i）.DropCap的属性可以获取文档中的第i个段落的实现首字下沉的Dropcap对象。表5列出了Dropcap对象的相关属性。

表5 Dropcap对象的相关属性

1.2.6 利用Shape对象获取艺术字格式的相关信息

艺术字属于图形的一种，艺术字格式信息存储在Shape对中。该对象可以通过访问Document对象的Shapes属性获得，Shapes属性是word文档中所有Shape对象的集合，每个Shape对象对应一个图形。因此，可以通过Document.shapes属性获取文档中的Shape对象集合。在此基础上，通过读取表6列出的属性，获取关于艺术字的排版信息。

表6 艺术字的属性列表

2 文档排版参数的自动提取

2.1 创建存储标准答案数据库

文档格式的自动分析需要分析程序的支持[6]。为达到自动分析的目的，需要根据文档的排版要求，需要从标准文档（标准文档是指已经按照排版要求完成排版操作的文档）中将文档的排版参数提取出来，并以此为依据，用来对学生的考试文档进行评测。为提高学生文档格式自动分析的效率，可以先将文档的排版要求记录在ACCESS数据库中，表7类出了关于字体设置的相关信息(针对其他排版要求的数据的存储方式与下表类似)。

表7 字体信息表

2.2 排版参数的获取

2.2.1 排版参数的设置

在从标准文档中提取排版参数之前，首先要指定需要提取的要素。图1给出了关于文档中文本的字体等相关排版参数的选择的操作界面。

图1 字体参数设置

2.2.2 排版参数的提取

在设置好排版参数之后，接下来就可以从标准文档中进行参数的提取工作。算法1列出的示例代码完成排版参数的提取。

算法1 字体信息提取

Dim t As Microsoft.Office.Interop.Word.Document

t = GetObject(“f:标准答案.doc”)

t.ActiveWindow.Selection.Find.Text = Textbox1.text

If t.ActiveWindow.Selection.Find.Execute() Then

select_name = t.ActiveWindow.Selection.Font.Name

Endif

算法1：给出了相关文本的字体信息的提取过程。可以参考上述过程完成排版参数的提取。

2.2.3 排版参数的存储

为提高文档格式自动分析的效率，可以将提取到的参数写入到标准答案数据库中，为后续分析程序的自动生成准备好数据[7-8]。算法2中的示例代码完成了向数据库中写入排版参数的过程。

算法2：排版参数写入数据库

mYpath = “f:文档Ì自动分析.accdb”

cONn = CreateObject(“ADODB.Connection”)

cONn.ConnectionString = “Provider=Microsoft.Ace.OleDB.12.0;Data Source=” & mYpath

cONn.ConnectionString = cONn.ConnectionString& “;Jet OLEDB:Database “

cONn.Open()

Sql = “insert into fonts(text_value) values(‘” & texts & “’)”

cONn.Execute(Sql)

3 格式分析文档的自动生成

在提取完格式参数之后，接下来可以根据提取到的数据生成格式分析程序。格式分析程序包含以下几个部分：（1）读取标准文档参数数据库，获取阅卷参数；（2）利用读取的阅卷参数，依次分析每个学生的答题文档，根据分析的结果计算每个知识点的得分，将每个同学的得分情况写入得分数据库中；重复执行（2），直到分析完所有学生的文档。下面对文档分析程序中的关键问题进行讨论。

3.1 读取阅卷参数

对office 文档的阅卷操作就是检查学生有无按照要求完成排版操作。根据前面的介绍，在对标准文档进行分析时，已经将相应的排版信息存储在数据库中，因此在阅卷之前，需要读取ACESS数据库中存储的阅卷参数，以此来指导阅卷工作。算法3中的示例代码展示了读取ACEESS中的数据库的过程。

算法3：访问ACESS数据库

Dim con As New OleDbConnection

Dim cmd As New OleDbCommand

Dim dr As OleDbDataReader

con.ConnectionString=“Provider=Microsoft.Ace.OleDB.12.0;Data Source=”& mYpath

con.Open()

cmd.Connection = con

cmd.CommandText = Sql

dr = cmd.ExecuteReader()

Dim col As Integer

col= dr.GetOrdinal(“fontname”)

text = dr.GetValue(col)

3.2 生成word文档格式分析代码

为完成学生试卷的自动分析，必须将要生成的格式分析代码以文件的形式进行存储。为将生成的格式分析代码写入文件中，在格式分析程序的生成过程中，首先创建文本流对象，接下来，依次将完成格式分析的代码写入这个文件中。由于一场考试中有多人参加，因此，在生成的阅卷程序中，首先要指定存放学生试卷的文件夹，然后，依次读取文件夹下的每一文件，并从文件中提取需要的格式信息，并将读取的结果与上面读到的标准结果进行比较，完成对学生书卷的分析。算法4所示代码对这一流程进行了展示。

算法4：格式分析程序自动生成

Dim tf As Scripting.TextStream

tf=fso.OpenTextFile(“d: extfile.txt”, Scripting.IOMode.ForAppending, True)

tf.WriteLine(“imports microsoft.office.interop.word”)

tf.WriteLine(“sub main()”) ‘(byval cmdargs()as string)”)

tf.WriteLine(“dim studentfile as Microsoft.Office.Interop.word.Document”)

tf.WriteLine(“studentfile.activewindow.selection.font.name= “)

tf. WriteLine(Font_Name)

4 结语

Office文档的排版是要求学生掌握的一个基本操作。本文以word文档排版为例，对如何提取word文档的格式信息、格式信息的存储、格式信息的读写等问题进行了讨论，为有效的生成格式分析程序提供了参考。采用生成的格式分析程序对word文档进行自动分析可以有效的降低阅卷工作的强度，提高阅卷工作的效率。