你大概也有過這種經驗:手上的辦公套件號稱擁有五十萬個功能,卻沒有一個正好符合眼前的需求。功能越堆越多,那些惱人的重複性工作依然故我——而這些枯燥的工序如果可以自動化,能省下的時間相當可觀。
舉個實例。OpenOffice.org 能建立索引引用,敲幾下鍵盤就能產生數千條條目;但當你想把它們全部刪掉時,介面上卻只能一條一條刪。若這時又需要變更被編入索引的關鍵字,那過程只能用痛苦形容。
你可能也想到其他類似場景。若你熟悉 StarOffice Basic 或 Microsoft Visual Basic for Applications,當然可以寫巨集解決;但如果你不懂程式設計,或者雖然懂卻發現寫程式反而更耗時,那又該怎麼辦?
好消息是,得益於日漸普及的 XML 文件格式,很多問題不必寫一行程式就能快速擺平——當然,這取決於問題的性質。只要具備一些通用的 XML 知識,例如名稱空間,再加上 XHTML、SVG 這類以 XML 為基礎的通用格式,你就能在很短的時間內對文件做大量修改,而這些修改若靠辦公套件的圖形介面幾乎不可能完成。在這方面,OpenOffice.org 採用的 ODF 格式格外好用,因此本文的示範都以它為主。
ODF 最大的優點就是單純。它基本上是一個 JAR(本質上是 ZIP 壓縮檔)檔,裡頭包含一份清單與一系列 XML 檔案,各自負責描述文件的不同層面。
動手做個實驗吧。開啟 OpenOffice.org 新增一份文字文件,輸入「Hello world!」,然後另存為 ODT 格式(副檔名 .odt)。
由於 ODT 本質上就是壓縮檔,要取出內部檔案,最直截了當的做法是:
解壓後,你應該會看到類似這樣的結構:
Configurations2(目錄)
META-INF(目錄)
Thumbnails(目錄)
content.xml
meta.xml
mimetype
settings.xml
styles.xml
這些目錄裡通常沒有需要手動編輯的東西。真正值得關注的是下表這幾個檔案。
| 檔案 | 用途 |
|---|---|
| content.xml | 文件的正文主體,包含所有文字、索引標記,以及指向樣式資訊的參照。 |
| meta.xml | 檔案的中繼資料,例如作者與文件標題。 |
| styles.xml | 定義文字的外觀:字型、段落方向、版面樣式等。熟悉網頁設計的人可以直接把它想成 CSS 樣式表。ODF 盡量維持樣式與內容分離,因此 content.xml 不會混入這類描述,頂多只有指向樣式的連結。 |
| Thumbnails/thumbnail.png | 文件首頁的縮圖。 |
設計良好的 XML 格式通常自帶說明性,標記名稱往往一看就懂,大致能猜到含義。若不願意猜,直接翻閱 ODF 規格書也行。下表列出幾個常見標記:
| 標記 | 說明 |
|---|---|
| <office:document-content> | 根標記,所有 XML 名稱空間(含 office)都在此定義。 |
| <office:font-face-decls> | 記錄文件使用的字型。 |
| <office:automatic-styles> | 最基本的樣式定義,styles.xml 中對其有更完整的說明。 |
| <office:body> | 文件主體所在。 |
| <text:p> | 對應 HTML 的 <p>,包在每個段落外側。 |
| <text:span> | 對應 HTML 的 <span>,用來為段落中的特定片段套用樣式。 |
| <text:alphabetical-index-mark> 系列 | 標示索引條目,分為 mark、-mark-start、-mark-end 三種形式。 |
把 content.xml 解出來,用慣用的文字編輯器打開。在接近檔案結尾處,你會找到這一行:
<text:p text:style-name="Standard">Hello world!</text:p>
把它改成:
<text:p text:style-name="Standard">Goodbye cruel world!</text:p>
存檔,用更新壓縮檔的方式把修改後的檔案放回副本,副檔名改回 .odt,再用 OpenOffice.org 重新開啟。你會發現除了這句話,其餘內容都與原檔一致。
如果一切正常,可以直接往下讀。若文件打不開,請檢查三件事:
誤刪結束標記、標記名稱打錯、多打一個小於號,都會造成這個結果。這是最常見的失誤,所以動手前請務必先備份原檔。
也就是 UTF-8 編碼。用單純的文字編輯器通常不會出問題;但若你用的是 OpenOffice.org、WordPad、Word 或 WordPerfect 這類富文本編輯器,要特別確認儲存時沒有把格式一起寫進去。必要時請用「另存新檔 > 文字文件」的選項。
有些時候,用與原檔不同的壓縮等級重新打包,會讓 OpenOffice.org 一時無法正確判讀檔案。避免之道是「更新既有壓縮檔」,而不是重新建立一個新的壓縮檔。
回到開頭那個惱人的問題:如何一次清掉多餘的索引標記?以下是一份含有索引標記的 content.xml 片段。
<text:p text:style-name="P3">A lot of people would think that
you're out of your<text:alphabetical-index-mark
text:string-value="gourd" text:key1="mind" text:key2="noggin"/>
mind if you suggest such a thing. Some would say that the ubiquitous
<text:alphabetical-index-mark-start text:id="IMark100896128"/>Microsoft
<text:alphabetical-index-mark-end text:id="IMark100896128"/>
<text:alphabetical-index-mark-start text:id="IMark101662028"/>Office
<text:alphabetical-index-mark-end text:id="IMark101662028"/> is one of
the greatest examples of "feature creep" of any program,
with competitors like Corel and Open<text:alphabetical-index-mark-start
text:id="IMark101661388"/> Office<text:alphabetical-index-mark-end
text:id="IMark101661388"/>.org containing a comparable number of features.
仔細看會發現有兩種型式的標記。當文件中某個詞被指定為索引條目時,OpenOffice.org 會在它兩側放上 -mark-start 與 -mark-end,並給這兩個標記相同的 text:id,用來配對。而當索引中的詞並未實際出現在正文裡,或者同一個位置需要掛上多個關鍵字時,就會改用單獨的 <text:alphabetical-index-mark>。範例中的 gourd 就是這種情況,它直接寫在標記的屬性裡,沒有 -start 或 -end。
這個設計讓批次清除變得意外簡單——一次搜尋取代就能搞定。我認為 OpenOffice.org 內建的正則表達式引擎是最合適的工具:
<text:alphabetical-index-mark(-(start|end))? [^>]*/>,取代欄留空。完成後,文件裡所有索引引用都消失了。這代表你可以放心用 OpenOffice.org 建立索引,事後要清理時也不必再一條一條刪。
值得花點時間理解這個正則表達式:<text:alphabetical-index-mark(-(start|end))? [^>]*/> 精準地匹配了 mark、mark-start、mark-end 三種標記及其屬性內容。寫成 <text:alphabetical-index-mark [^>]*/> 雖然更短,但可能誤傷名稱相近的其他標記。
當然,這招並非萬無一失。若某個索引標記的屬性值中含有大於號(>),比對會提早判定標記結束,導致整段沒被清乾淨。這正是動手前務必備份的理由。真的遇到這種狀況,就逐筆搜尋取代——仍然比手動刪除快得多;或者乾脆寫一個更嚴謹的正則表達式來處理。
再看一個常見需求:把一列橫向的試算表資料轉成直向。例如把:
1 2 3 4 5 6 7 8 9 10
變成:
1
2
3
4
5
6
7
8
9
10
同樣的流程:解開檔案,打開 content.xml。內容大致如下(為了可讀性略作排版調整):
<office:body>
<office:spreadsheet>
<table:table table:name="Sheet1" table:style-name="ta1"
table:print="false">
<table:table-column table:style-name="co1"
table:number-columns-repeated="10"
table:default-cell-style-name="Default"/>
<table:table-row table:style-name="ro1">
<table:table-cell office:value-type="float" office:value="1">
<text:p>1</text:p>
</table:table-cell>
<table:table-cell office:value-type="float" office:value="2">
<text:p>2</text:p>
</table:table-cell>
<table:table-cell office:value-type="float" office:value="3">
<text:p>3</text:p>
</table:table-cell>
翻轉最簡便的思路是:每個儲存格之後立刻結束該列,再開啟新的一列。因此在文字編輯器中搜尋 </table:table-cell>,取代為 </table:table-cell></table:table-row><table:table-row> 即可。一次搜尋取代,就替換掉幾百次的手工操作。
本文示範了幾個直接編輯 ODF 檔案的實際案例。單純的文字編輯器就能做到辦公套件介面做不到的事;再往前一步,學會透過程式操作 XML 之後,從自動化批次修改到動態產生全新文件都不再是難事。你甚至可以把既有檔案當成範本,搭配簡單的 shell 腳本與工具,量產 ODT 文字文件或試算表報表。想像力才是唯一的限制——去享受編輯的過程吧。