Multi-Docs-Toolkit

Multi-Docs-Toolkit 是一个功能强大的文档处理工具包，支持 Excel、PDF 和 Word 文档的复杂操作。该工具包基于主流开源框架和商业组件构建，提供了高效、易用的 API 接口。

功能特性

Excel 处理

• 大数据流式传输：支持海量数据的流式导出，避免内存溢出
• 模板导出：基于 FastExcel 和 MyBatis-Plus 实现，支持复杂模板导出
• 高性能处理：通过批量存储和内存优化策略提升导出性能

PDF 处理

• 文本解析：将 PDF 文档中的文本内容解析为结构化对象
• 表格提取：基于 Aspose.PDF 实现，支持复杂表格的识别和提取
• 结构化处理：支持跨页表格合并和数据结构化处理

Word 处理

• 书签替换：支持基于书签的文本、图片、表格内容替换
• 占位符模板：支持基于占位符的动态模板数据映射
• 高性能操作：基于 Apache POI 实现，提供高效的 Word 文档处理能力

核心组件

Excel 工具类

• FastExcelUtil：提供简化的 Excel 导出操作
• Cursor：数据游标接口，支持大数据量处理
• CustomCellWeightStrategy：自定义单元格宽度策略

PDF 处理引擎

• PdfTableParsingEngine：PDF 表格解析引擎
• TableBatchProcessor：表格批处理器，支持多线程处理
• AbstractTextMappingTemplate：文本映射模板抽象类

Word 处理组件

• BookmarkHandler：书签替换处理器
• WordExportHandler：Word 导出主处理器
• AbstractDynamicTemplate：动态表格模板抽象类
• AbstractStaticTemplate：静态占位符模板抽象类

技术栈

• Java 版本：JDK 21+
• Spring Boot：3.3.4
• Apache POI：5.4.1 (Word 处理)
• Aspose PDF：21.11 (PDF 处理)
• Aspose Words：24.3 (Word 处理)
• FastExcel：1.1.0 (Excel 处理)
• PDFBox：3.0.4 (PDF 未使用,仅引入)

使用说明

Excel 导出示例

// 流式导出大数据量Excel
FastExcelUtil.writeExcelXlsx(response, "fileName", "sheetName", YourDataClass.class,
                            yourParam, yourService::getDataCursor);

PDF 解析示例

// 解析PDF文档为结构化对象
PdfTableParsingEngine engine = new PdfTableParsingEngine();
engine.tableAnalyze("path/to/your/document.pdf");

Word 书签替换示例

// 书签替换
List<Bookmark> bookmarks = Arrays.asList(
    new Bookmark("bookmark1", "text", "替换文本"),
    new Bookmark("bookmark2", "image", "path/to/image.jpg")
);
BookmarkHandler handler = new BookmarkHandler();
handler.replaceBookmarks("path/to/document.docx", bookmarks);

项目结构

src/main/java/com/mxr/
├── docs/                    # 文档处理核心组件
│   ├── excel/              # Excel处理相关类
│   ├── pdf/                # PDF处理相关类
│   └── word/               # Word处理相关类
├── config/                 # 配置类
├── controller/             # 控制器
├── entity/                 # 实体类
├── enums/                  # 枚举类
├── sdk/                    # SDK接口
├── utils/                  # 工具类
└── service/                # 服务实现

依赖说明

项目使用了以下主要依赖：

1. Aspose 组件：商业级文档处理组件，提供强大的 PDF 和 Word 处理能力
2. Apache POI：开源 Word 处理框架
3. FastExcel：高性能 Excel 处理框架
4. PDFBox：开源 PDF 处理框架
5. Spring Boot：应用框架

注意事项

1. Aspose 授权：Aspose 属于商业产品，仅供学习研究使用
2. JDK 版本：项目使用虚拟线程特性，需要 JDK 21 以上版本
3. Spring 上下文：使用 SpringContext 获取对象上下文

待解决的问题

• 优化映射器逻辑，减少复杂度，提高性能
• 基于虚拟线程进一步优化性能
• 完善跨页表格处理机制
• 增强数据转义处理，提高安全性

许可证

本项目仅供学习研究使用，不提供任何商业授权支持。