java - 在 GATE 中解析字体样式或段落块

Question

我有一个word文档。我需要使用 GATE 匹配特定的表格部分或标题部分。我想如果有任何步骤，我们可以首先检查标题的任何字体大小或字体样式，然后匹配其余内容，直到下一个标题模式重复。

Answer 1

GATE仅对Apache Tika和Apache POI库提供的MS Word文档提供有限支持。我不知道有什么免费的替代品...我们在我的公司为此开发了自己的插件 ( )，但目前外部无法使用。gate.DocumentFormat

您可以尝试通过其他工具将您的 word 文档转换为 HTML （例如，直接使用 MS Word、OpenOffice、 docx4j或其他工具 - 尝试 google docx to html- 您会看到很多结果），然后在 GATE 中处理 HTML 文档。您将看到Original markups注释集中可用的所有格式。