Word转DITA格式

功能概述

此文档可以将Word(.docx)文档转换成以XML标记语言为基础的DITA(.dita)文档。

目录结构

├───example-image
    ├───openoffice.png
    └───run.jpg
├───README.md
├───word2dita.py
└───XSLs
    ├───db2dita
    └───ditaWriter

内容列表

• 功能概述
• 目录结构
• 背景说明
• 转换流程
• 环境要求
• 准备条件
• 操作步骤
• 贡献方式
• 开源协议

背景说明

Word文档是常见的技术文档格式之一，但Word文档通常是非结构化的，其内部的内容和样式信息不易被机器读取和处理，也不便于文档的管理、重用和自动化处理。
为了解决这些问题，我们开发了这个Word to DITA Converter方案，旨在将Word文档转换为DITA(.dita)文档，以便于使用DITA 编辑器进行文档的进一步编辑、管理和自动化处理。

DITA 是基于 XML 的一种特定领域标准，用于创建和管理结构化文档。将文档转换为DITA格式有如下优势：

• 内容组织与管理更规范
• 内容重用和共享更便捷
• 自动化处理成为可能
• 多平台访问不再受限

转换流程

Word(.docx) —— Docbook(.odt) —— XML(.xml) —— DITA(.dita)

环境要求

• Windows 操作系统
• Python 3.6 或更高版本
  开发者使用的是Python 3.9.4 https://www.python.org/ftp/python/3.9.4/python-3.9.4-amd64.exe

准备条件

• 安装 Apache OpenOffice

注意： 此方案须安装win 32-bit (x86) (EXE)版本。

https://www.openoffice.org/download/index.html

• 安装Java开发工具包 OpenJDK

注意：此方案须安装32-bits版本。

https://github.com/AdoptOpenJDK/openjdk8-binaries/releases/download/jdk8u282-b08/OpenJDK8U-jdk_x86-32_windows_hotspot_8u282b08.msi

• 配置 Apache OpenOffice

1. 从开始菜单打开 OpenOffice Writer，点击 Tools>Options，进入配置界面。

2. 在Options>OpenOffice 界面中，点击 Java>Java options，勾选 Use a Java runtime environment, 确认已安装Java运行时的环境。如下图：

3. 点击 OK， 确认退出。

• 安装 lxml 库

  打开 Command Prompt，输入如下命令：

  pip install lxml

操作步骤

1. 下载下列文件并放置在同一个路径下：

   • Python脚本 word2dita.py
   • 文件夹 XSLs

2. 将Word文档转换为Docbook格式。

   用OpenOffice Writer 打开一个Word文档，并另存为Docbook格式。

3. 将Dockbook文档转换为XML格式。

   用文本编辑器 Notepad++ 打开第2步保存的Docbook文档，删除 <article>标签以外的信息，将<article> 标签及以内的信息保存在word2dita.py所在路径，命名为 input.xml。

4. 使用脚本word2dita.py，将input.xml转换成 DITA格式的文档。

   (1) 打开 Command Prompt，用cd + <filepath> 进入脚本所在路径。

   (2) 在脚本所在路径，输入以下命令运行脚本，将在同一路径下生成名为 output.dita 的文件：

   python word2dita.py

   示例如下：
   

   生成的 output.dita文件可在DITA编辑器（如Oxygen XML Editor）中打开和编辑。

贡献方式

非常欢迎你的加入！你可以通过提一个issue 或 pull request的方式来共同开发。

开源协议

遵循MIT协议。