Aspose.Note FOSS
Python
Πώς να περιηγηθείτε στο DOM του εγγράφου OneNote με Python

Πώς να περιηγηθείτε στο DOM του εγγράφου OneNote με Python

Το Aspose.Note FOSS for Python αντιπροσωπεύει ένα αρχείο ενότητας OneNote ως ένα δέντρο τυποποιημένων αντικειμένων Python. Η κατανόηση του πώς να διασχίσουμε αυτό το δέντρο αποδοτικά αποτελεί τη βάση για όλες τις εργασίες εξαγωγής περιεχομένου. Αυτός ο οδηγός καλύπτει όλες τις τρεις προσεγγίσεις διάσχισης: GetChildNodes, άμεση επανάληψη και DocumentVisitor.

Το Μοντέλο Αντικειμένου Εγγράφου

Το DOM του OneNote είναι ένα αυστηρό δέντρο:

Document
  ├── Page
  │     ├── Title
  │     │     ├── TitleText (RichText)
  │     │     ├── TitleDate (RichText)
  │     │     └── TitleTime (RichText)
  │     └── Outline
  │           └── OutlineElement
  │                 ├── RichText
  │                 ├── Image
  │                 ├── AttachedFile
  │                 └── Table
  │                       └── TableRow
  │                             └── TableCell
  │                                   └── RichText / Image
  └── Page  (next page ...)

Κάθε κόμβος κληρονομεί από Node. Οι κόμβοι που έχουν παιδιά κληρονομούν από CompositeNode.

Μέθοδος 1: GetChildNodes (Αναδρομική, Φιλτραρισμένη κατά τύπο)

CompositeNode.GetChildNodes(Type) εκτελεί μια αναδρομική αναζήτηση βάθους‑πρώτα σε ολόκληρο το υποδέντρο και επιστρέφει μια επίπεδη λίστα όλων των κόμβων που ταιριάζουν με τον δεδομένο τύπο. Αυτή είναι η πιο βολική προσέγγιση για εξαγωγή περιεχομένου:

from aspose.note import Document, RichText, Image, Table, AttachedFile

doc = Document("MyNotes.one")

##All RichText nodes anywhere in the document
texts = doc.GetChildNodes(RichText)
print(f"RichText nodes: {len(texts)}")

##All images
images = doc.GetChildNodes(Image)
print(f"Image nodes: {len(images)}")

##All tables
tables = doc.GetChildNodes(Table)
print(f"Table nodes: {len(tables)}")

##All attachments
attachments = doc.GetChildNodes(AttachedFile)
print(f"AttachedFile nodes: {len(attachments)}")

Περιορίστε την αναζήτηση σε μία μόνο σελίδα καλώντας GetChildNodes στο Page αντί για Document:

from aspose.note import Document, Page, RichText

doc = Document("MyNotes.one")
for page in doc.GetChildNodes(Page):
    page_texts = page.GetChildNodes(RichText)
    print(f"  Page has {len(page_texts)} text nodes")

Μέθοδος 2: Επανάληψη Άμεσων Παιδιών

for child in node επαναλαμβάνει τα άμεσα παιδιά ενός CompositeNode. Χρησιμοποιήστε το όταν χρειάζεστε ένα συγκεκριμένο επίπεδο της ιεραρχίας:

from aspose.note import Document

doc = Document("MyNotes.one")

##Direct children of Document are Pages
for page in doc:
    title = (
        page.Title.TitleText.Text
        if page.Title and page.Title.TitleText
        else "(untitled)"
    )
    print(f"Page: {title}")
    # Direct children of Page are Outlines (and optionally Title)
    for child in page:
        print(f"  {type(child).__name__}")

Μέθοδος 3: DocumentVisitor

DocumentVisitor παρέχει ένα μοτίβο επισκέπτη για δομημένη διέλευση. Υπερκαλύψτε μόνο τις μεθόδους VisitXxxStart/End που χρειάζεστε. Ο επισκέπτης εκτελείται καλώντας το doc.Accept(visitor):

from aspose.note import (
    Document, DocumentVisitor, Page, Title,
    Outline, OutlineElement, RichText, Image,
)

class StructurePrinter(DocumentVisitor):
    def __init__(self):
        self._depth = 0

    def _indent(self):
        return "  " * self._depth

    def VisitPageStart(self, page: Page) -> None:
        t = page.Title.TitleText.Text if page.Title and page.Title.TitleText else "(untitled)"
        print(f"{self._indent()}Page: {t!r}")
        self._depth += 1

    def VisitPageEnd(self, page: Page) -> None:
        self._depth -= 1

    def VisitOutlineStart(self, outline) -> None:
        self._depth += 1

    def VisitOutlineEnd(self, outline) -> None:
        self._depth -= 1

    def VisitRichTextStart(self, rt: RichText) -> None:
        if rt.Text.strip():
            print(f"{self._indent()}Text: {rt.Text.strip()!r}")

    def VisitImageStart(self, img: Image) -> None:
        print(f"{self._indent()}Image: {img.FileName!r} ({img.Width}x{img.Height}pts)")

doc = Document("MyNotes.one")
doc.Accept(StructurePrinter())

Διαθέσιμες Μέθοδοι Επισκέπτη

Ζεύγος μεθόδωνΤύπος κόμβου
VisitDocumentStart/EndDocument
VisitPageStart/EndPage
VisitTitleStart/EndTitle
VisitOutlineStart/EndOutline
VisitOutlineElementStart/EndOutlineElement
VisitRichTextStart/EndRichText
VisitImageStart/EndImage

Πλοήγηση προς τα πάνω στο δέντρο

Κάθε κόμβος εκθέτει ParentNode και μια Document ιδιότητα για να πλοηγηθεί προς τα πάνω:

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
    parent = rt.ParentNode   # OutlineElement, TableCell, Title, etc.
    root = rt.Document       # always the Document root
    print(f"  '{rt.Text.strip()!r}' parent={type(parent).__name__}")
    break

Μέθοδοι Διαχείρισης Παιδιών

CompositeNode επίσης εκθέτει διαχείριση θυγατρικών στη μνήμη (χρήσιμη για προγραμματιστική κατασκευή εγγράφων, αν και η επιστροφή εγγραφής στο .one δεν υποστηρίζεται):

ΜέθοδοςΠεριγραφή
node.FirstChildΠρώτο άμεσο παιδί ή None
node.LastChildΤελευταίο άμεσο παιδί ή None
node.AppendChildLast(child)Προσθήκη παιδιού στο τέλος
node.AppendChildFirst(child)Προσθήκη παιδιού στην αρχή
node.InsertChild(index, child)Εισαγωγή στη θέση
node.RemoveChild(child)Αφαίρεση παιδιού

Καταμέτρηση Κόμβων με Επισκέπτη 

from aspose.note import Document, DocumentVisitor, Page, RichText, Image

class Counter(DocumentVisitor):
    def __init__(self):
        self.pages = self.texts = self.images = 0

    def VisitPageStart(self, page: Page) -> None:
        self.pages += 1

    def VisitRichTextStart(self, rt: RichText) -> None:
        self.texts += 1

    def VisitImageStart(self, img: Image) -> None:
        self.images += 1

doc = Document("MyNotes.one")
c = Counter()
doc.Accept(c)
print(f"Pages={c.pages}  RichText={c.texts}  Images={c.images}")

Επιλογή της Σωστής Μεθόδου Διάσχισης

ΣενάριοΚαλύτερη προσέγγιση
Βρείτε όλους τους κόμβους ενός τύπου (π.χ. όλα τα RichText)GetChildNodes(RichText)
Επανάληψη μόνο των άμεσων παιδιώνfor child in node
Περιήγηση του δέντρου με συμφραζόμενα (βάθος, κατάσταση γονέα)DocumentVisitor
Πλοήγηση από το περιεχόμενο προς τα πάνω μέχρι τον γονέα ή τη ρίζαnode.ParentNode / node.Document

Σχετικοί Πόροι:

 Ελληνικά