• 首页
  • 栏目
  • CRM
  • VC语言文件正文分析器--支持格式常用文件格式

VC语言文件正文分析器--支持格式常用文件格式

  • 2022-01-19
  • Admin

Graccvs文件正文提取开发组件支持各种文件提取正文，为OA，ERP，CRM系统使用文件提供文件正文使用和搜索，支持常见各种文件格式”.pdf", ".doc", ".odt", ".docx", ".dotm", ".docm", ".wps", 
".xls", ".xlsx", ".xlsm", ".xltm", ".et", ".ppt", ".pptx", ".potm", ".pptm", ".ppsm", ".dps", ".ofd"(电子发票版式文件), ".rtf",".html", ".htm", ".mht", ".mhtml", ".eml", ".emmx", "xmind", "gmind", ".chm", ".zip" 等。

Graccvs提供免费版本，以下是调用过程及代码，起来文件输入修改为要提取的文件名称和类型即可。

1： 点击这里下载完整工程包，这里下载最新DLL文件 。
2：拷贝 graccvs64.dll到工程中， 默认在exe输出位置。
3：实现提取文件正文函数，详细参考工程文件。

4：系统提供组件调用方式说明，参数说明等详细资料。

5：具体使用请访问 Graccvs文件正文提取开发组件--在线帮助

代码头文件graccvs.h ：

  1. #include 
  2. #include 
  3.   
  4. //----------------------以下为函数说明----------------------
  5. // 加载DLL，设置动态库需要的临时文件夹，且对此文件夹要有读写权限
  6. typedef void (*LOAD)(char *tempDir);  
  7.  
  8. //注册软件： 免费版也需要调用此函数，corp和licText都为空
  9. typedef int (*AUTH)(char *corp, char *licText);  
  10.  
  11. // 提供文件正文，并保存到目标文件
  12. // inFilePtr输入文件地址， outFilePtr为TXT目标文件文件地址
  13. typedef int (*TOTEXTFILE)(char *inFilePtr, char *outFilePtr);  
  14. // 提供文件正文
  15. // inFilePtr输入文件地址， 返回UTF-8编码字符串数据指针（此指针需要使用FREESTRING函数释放内存）
  16. typedef char* (*TOSTRING)(char *inFilePtr);  
  17. // 释放TOSTRING等函数的返回指针
  18. typedef void (*FREESTRING)(char *p);  
  19. // 得到最后的错误信息
  20. typedef char* (*LASTERR)();  
  21.  
  22. // 提取Http/Https文件，返回字符串数据指针
  23. // url=Http/Https地址
  24. // fileExt=文件类型（比如：".pdf"）,
  25. // timeout=超时设置，超过此数值系统终止下载文件。单位为毫秒，默认为0（等待文件下载直到完成）
  26. // httpParams=JSON格式header数据和cookie数据，默认为空
  27. /*   
  28.   JSON格式如下：
  29.   {"headers":
  30.   [{名称1: 值1},{名称2: 值2},...],
  31.   "cookies":[
  32.   {"name": 名称（字符串）, "value": 值（字符串）, "expires": 有效期（整数，单位毫秒）,
  33.   "path": 路径（字符串）, "domain": 域名（字符串）},
  34.   {"name": 名称（字符串）, "value": 值（字符串）, "expires": 有效期（整数，单位毫秒）,
  35.   "path": 路径（字符串）, "domain": 域名（字符串）}
  36.   ...
  37.   ]}
  38.   例如：
  39.   {"headers":[{"client_id": "g01x9"}, {"client_secret": "e23c89cc9fe"}, {"client_index": 10092}],
  40.   "cookies":[{"name": "ga", "value": "1020", "expires":36000000, "path": "/hx/", "domain":"www.gaya-soft.cn"},
  41.   {"name": "xc3", "value": "10099", "expires":240000, "path": "", "domain":""}]}
  42. */   
  43. // 返回UTF-8编码字符串数据指针（此指针需要使用FREESTRING函数释放内存）
  44. typedef char* (*HTTPTOSTRING)(char *url, char *fileExt, int timeout, char *httpParams);  
  45.  
  46. // 下载Http文件，并提取文本，保存到目标文件u
  47. // outfile为TXT目标文件文件地址，其他参数和HTTPTOSTRING参数相同
  48. typedef int (*HTTPTOTEXTFILE)(char *url, char *fileExt, char *outfile, int timeout, char *httpParams);  
  49.  
  50. //---------------------异步批量处理相关函数---------------------
  51. // 文件提取异步任务， Infile输入文件地址， Outfile为TXT目标文件文件
  52. // 如果提取某个文件错误，则 Outfile的内容如下格式： @ErrCode:错误代码, ErrMessage:错误提示
  53. typedef void (*ADDTASK)(char *inFilePtr, char * outTxtFilePtr);  
  54. // 异步提取Http文件任务，参数同 HTTPTOTEXTFILE 函数
  55. typedef void (*ADDHTTPTASK)(char * url, char *fileExt, char *outTxtFile, int timeout, char *httpParams);  
  56. // 开始执行异步任务，返回值=1开始执行， 其他值未识别
  57. // =2 免费版不支持此功能，=3 没有可以执行的任务 ，=4 当前任务未完成
  58. typedef int (*ASYNCSTART)();  
  59. // 停止任务
  60. typedef void (*ASYNCSTOP)();  
  61. // 一直等待，直到全部异步任务结束
  62. typedef void (*ASYNCWAIT)();  
  63. // 得到执行异步任务的状态， =0 没开始， =1 正在处理中，=2 已中断， =99 处理完成
  64. typedef int  (*ASYNCSTATE)(); 
  65. // 设置执行异步任务的并发数量（不大于软件授权数量），返回并发数量
  66. typedef int (*ASYNCMAXPROCS)(int num);  
  67. //---------------------异步批量处理相关函数---------------------
  68.  
  69. // 关闭动态库前调用此函数释放资源，否则关闭DLL会发生错误
  70. typedef void (*UNLOAD)();  
  71.  
  72. typedef void(*SAVESN)();
  73.  
  74. //提取文本的错误类型
  75. enum GrErrCode
  76. {
  77.   TFE_OK = 0,
  78.   TFE_UNKNOW = 1,
  79.   TFE_FILE_NOTEXIST = 2,
  80.   TFE_SAVE_ERROR = 3,
  81.   TFE_OUTSIZE = 4,
  82.   TFE_UNSUPPORTED = 5,
  83.   TFE_ERROR_INTERFACE = 6,
  84.   TFE_HTTP_ERR = 7,
  85.   TFE_HTTP_FILE_NULL = 8,
  86.   TFE_LICENCE_ERR = 9 
  87. };

提取正文CPP文件：
 可以修改testToTextFile函数中的输入文件为需要处理的文件即可。

  1. #include 
  2. #include  
  3. #include 
  4. #include 
  5. #include 
  6. #include 
  7. #include "graccvs.h"
  8.  
  9. using namespace std;
  10.    
  11. void wcharToUtf8(const wchar_t *src, char *dest, int destSize)
  12. {
  13.     int ik = WideCharToMultiByte(CP_UTF8, 0, src, (int)wcslen(src), dest, destSize, NULL, NULL);
  14.     for (int i = ik; i < destSize; i++)
  15.     {
  16.         dest[i] = 0;
  17.     }
  18. }
  19.  
  20. wchar_t *utf8ToWchar(const char *src, int srcSize)
  21. { 
  22.     DWORD destSize = MultiByteToWideChar(CP_UTF8, 0, src, srcSize, NULL, 0);
  23.     wchar_t * dest = new wchar_t[destSize];
  24.     wmemset(dest, 0, destSize);
  25.     MultiByteToWideChar(CP_UTF8, 0, src, srcSize, dest, destSize);
  26.     return dest;
  27. }
  28.  
  29. // 根据错误类型返回错误信息
  30. const wchar_t *codeText(int code)
  31. {
  32.     switch (code)
  33.     {
  34.     case TFE_OK:
  35.         return L"ok";
  36.     case TFE_UNKNOW:
  37.         return L"未知错误";
  38.     case TFE_FILE_NOTEXIST:
  39.         return L"提取源文件不存在";
  40.     case TFE_SAVE_ERROR:
  41.         return L"保存目标文件失败";
  42.     case TFE_OUTSIZE:
  43.         return L"提取的源文件超出设置的大小范围";
  44.     case TFE_UNSUPPORTED:
  45.         return L"不支持的提取文件格式";
  46.     case TFE_ERROR_INTERFACE:
  47.         return L"得到接口失败";
  48.     case TFE_HTTP_ERR:
  49.         return L"HTTP下载文件失败";
  50.     case TFE_HTTP_FILE_NULL:
  51.         return L"HTTP文件为空";
  52.     case TFE_LICENCE_ERR:
  53.         return L"软件许可错误";
  54.     default:
  55.         return L"未知错误2";
  56.     }
  57. }
  58.  
  59.  
  60. // ------------------------提取正文并保存为文本文件------------------------
  61. void testToTextFile(HINSTANCE handle, LASTERR lastErr)
  62. {
  63.     TOTEXTFILE toTextFile = (TOTEXTFILE)GetProcAddress(handle, "ToTextFile");
  64.     if (toTextFile == NULL) {
  65.         return;
  66.     }
  67.  
  68.     static char inFileName[255]; // 根据实际情况分配长度
  69.     wcharToUtf8(L"test\\graccvs文件正文提取接口.pdf", &inFileName[0], 255);
  70.     static char outFileName[255];
  71.     wcharToUtf8(L"test\\out001.txt", &outFileName[0], 255);
  72.     // 调用DLL函数得到文件正文
  73.     int code = toTextFile(&inFileName[0], &outFileName[0]);
  74.     //TFE_OK为提取完成，其他code调用codeText返回相同错误
  75.     if (code != TFE_OK)
  76.     {
  77.         // 得到错误方式1： 根据R值调用函数ErrText得到具体错误信息, 此方式速度快
  78.         const wchar_t * e = codeText(code);
  79.         wprintf(L"error from code: %s\n", e);
  80.       
  81.         // 方式2：调用DLL函数，得到具体错误信息, 此方式错误信息更加准确 
  82.         char *p = (char*)lastErr();
  83.         wchar_t* err2 = utf8ToWchar(p, (int)strlen(p));
  84.         wprintf(L"error from dll: %ls\n", err2);
  85.         delete(err2);
  86.     }
  87.     else
  88.     {
  89.         wprintf(L"testToTextFile end\n");
  90.     }
  91. }
  92.  
  93. // ------------------------提取正文,返回字符串指针------------------------
  94. void testToString(HINSTANCE handle, FREESTRING freeString)
  95. {
  96.     TOSTRING toString = (TOSTRING)GetProcAddress(handle, "ToString");
  97.     if (toString == NULL || freeString == NULL) {
  98.         return;
  99.     }
  100.  
  101.     static char inFileName2[255];
  102.     wcharToUtf8(L"test\\简可信模板OCR识别工具帮助.docx", &inFileName2[0], 255);
  103.     char *p = toString(&inFileName2[0]); //返回UTF-8编码字符串
  104.  
  105.     // 转 unicode编码
  106.     int count = (int)strlen(p);
  107.     wchar_t* text = utf8ToWchar(p, count);
  108.     wprintf(L"testToString= %s\n", text);
  109.     delete(text);
  110.       
  111.     freeString(p); // 务必调用freeString函数释放字符串内存
  112. }
  113.  
  114. // ------------------------HTTP提取正文并保存为文本文件------------------------
  115. void testHttpToTextFile(HINSTANCE handle)
  116. {
  117.     HTTPTOTEXTFILE httpToTextFile = (HTTPTOTEXTFILE)GetProcAddress(handle, "HttpToTextFile");
  118.     if (httpToTextFile == NULL) {
  119.         return;
  120.     }
  121.  
  122.     static char rul[255], ext[6], outFile[128];
  123.     wcharToUtf8(L"https://www.gaya-soft.cn/dfs/v2/简可信模板OCR识别工具帮助.docx", &rul[0], 255);
  124.     wcharToUtf8(L".docx", &ext[0], 6);
  125.     wcharToUtf8(L"test\\out002.txt", &outFile[0], 128);
  126.     // 调用DLL函数得到文件正文
  127.     int timeout = 0; //超时设置，单位毫秒， 默认为0 
  128.     int code = httpToTextFile(&rul[0], &ext[0], &outFile[0], timeout, NULL);
  129.     //TFE_OK为提取完成，其他code调用codeText返回相同错误
  130.     if (code != TFE_OK)
  131.     {
  132.         const wchar_t* e = codeText(code);
  133.         wprintf(L"error from code: %s\n", e);
  134.     }
  135.     else
  136.     {
  137.         wprintf(L"testHttpToTextFile end\n");
  138.     }
  139. }
  140.  
  141. // ------------------------HTTP提取正文,返回字符串指针------------------------
  142. void testHttpToString(HINSTANCE handle, FREESTRING freeString)
  143. {
  144.     HTTPTOSTRING httpToString = (HTTPTOSTRING)GetProcAddress(handle, "HttpToString");
  145.     if (httpToString == NULL || freeString == NULL) {
  146.         return;
  147.     }
  148.  
  149.     static char rul[255], ext[6], params[512];
  150.     wcharToUtf8(L"https://www.gaya-soft.cn/dfs/v2/graccvs文件正文提取接口.pdf", &rul[0], 255);
  151. 
			
    原文：https://blog.csdn.net/kkyy2021/article/details/122589162
    		
    
		
    
			
    
	
    
		
    免费ERP
    
	
    
		
    61ebf17978942.jpg
     注册    登录 
    用户名: demo; 密码: 123456
    
	
    

    
	
    
		
    最新
    
	
    
			
	
    

    
	
    
		
    最热

ERP

联系站长

QQ：769220720

Copyright © SibooSoft All right reserved 津ICP备19011444号