知識管理系統(tǒng)Data Solution研發(fā)日記之三 文檔解決方案

前面兩篇文章已經(jīng)展示了Data Solution的設(shè)計目標(biāo)和為達(dá)到此目標(biāo)而設(shè)計的應(yīng)用程序，這一篇繼續(xù)細(xì)化對它的介紹，講解Data Solution如何對文件進(jìn)行掃描，轉(zhuǎn)換，存儲，檢索。

　　本機(jī)磁盤的文件格式通常是doc/docx,pdf,pst/ost/eml，htm/mht,txt/rtf，這幾種格式是電腦中常用的格式。要達(dá)到在同一個編輯器Editor中可以對它們進(jìn)行編輯，再整理，需要選擇一種通用的格式，把其它的格式轉(zhuǎn)化為這種通用格式，對這種格式進(jìn)行編輯。DOC/DOCX格式功能強(qiáng)大，有很多開源類型庫對它進(jìn)行讀寫，RTF格式也包含了豐富數(shù)據(jù)資料，重要的一點(diǎn)是RTF格式，是一種開放的格式�？梢缘轿④浀木W(wǎng)站上下載《Microsoft Office Word 2003 Rich Text Format (RTF) Specification》，以熟悉這種文件格式。開放格式的好處之一是，在后續(xù)的進(jìn)一步開發(fā)中，可以找到很多現(xiàn)有的功能和代碼，包括開放的源碼。所以，Data Solution選擇RTF格式作為文件存儲的標(biāo)準(zhǔn)格式。

　　下一個目標(biāo)就是要找到RTF格式的編輯工具，通過Google可以找到很多RTF格式的編輯器，對RTF格式進(jìn)行直接編輯，存儲和轉(zhuǎn)換。因為是開放格式，微軟的.NET Framework自帶了RichTextBox，可用于RTF格式的編輯。不過，這個控件還需要強(qiáng)化，可以到CodeProject.com上找到一些工具和文章。

　　

　　這兩個關(guān)鍵的步驟解決了，下面就是設(shè)計數(shù)據(jù)庫和設(shè)計數(shù)據(jù)讀寫代碼。創(chuàng)建Document數(shù)據(jù)庫，文檔表的腳本如下 CREATETABLE [dbo].[DOCUMENT]( [RECNUM] [int] IDENTITY(1,1) NOTNULL, [SUBJECT] [nvarchar](2000) NULL, [BODY_TYPE] [nvarchar](50) NULL, [BODY] [nvarchar](max) NULL, [CREATE_DATE] [datetime] NULL, [CREATE_BY] [nvarchar](50) NULL, [REVISED_Date] [datetime] NULL, [REVISED_BY] [nvarchar](50) NULL, [CATEGORY] [int] NULL, [COMPUTER] [nvarchar](200) NULL, [PATH] [nvarchar](2000) NULL, CONSTRAINT [PK_DOCUMENT] PRIMARYKEYCLUSTERED ( [RECNUM] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY]

　　Body就是存儲文檔的表字段，設(shè)計它為NVARCHAR(MAX)類型，CATEGORY用于文檔的分類查找，SUBJECT可存放關(guān)鍵字或是標(biāo)題，BODY_TYPE用于全文搜索，存儲文檔類型擴(kuò)展名。COMPUTER和PATH用于在本機(jī)掃描中，指定原始文檔的路徑，可用于追蹤。

　　Data Solution系統(tǒng)選擇LLBL Gen Framework作為數(shù)據(jù)庫訪問層的代碼生成器，生成解決方案的代碼如下圖

　　

　　來看一下，對文檔進(jìn)行保存的一段代碼，它是標(biāo)準(zhǔn)的LLBL Gen Framework的routine代碼 public DocumentEntity SaveDocument(DocumentEntity doc) { using (DataAccessAdapter adapter = GetDataAccessAdapter()) { try { adapter.StartTransaction(IsolationLevel.ReadCommit ted, "SaveDocument"); adapter.SaveEntity(doc, true, false); adapter.Commit(); } catch { adapter.Rollback(); throw; } } return doc; }

　　所謂routine代碼，就是代碼可以由模板生成的，就好比上下班打卡一樣，是很平常的簡單的行為。

　　注意這里的throw代碼，它沒有寫成這樣 catch(Exception ex) { adapter.Rollback(); throw ex; }

　　在《.NET框架程序設(shè)計》一書中，解釋了這兩個throw的區(qū)別，它們會產(chǎn)生不同的stack trace，異常的起始點(diǎn)不同。

　　基礎(chǔ)層面的問題解決了，下面的應(yīng)用程序就水到渠成，以不同的方式導(dǎo)入文檔到數(shù)據(jù)庫中。

　　Batch Import 批次導(dǎo)入指定目錄的文件到數(shù)據(jù)庫中

　　

　　Doc Scanner 批次導(dǎo)入指定格式的文件到數(shù)據(jù)庫中

　　

　　PDF Watcher 專用于PDF文件格式的轉(zhuǎn)換，導(dǎo)入，因為是Watcher，所以你肯定會想到是個FileSystemWatcher

　　

　　Doc Loader 適用于單個文檔的轉(zhuǎn)換，導(dǎo)入，一次只處理一個文檔

　　

　　再來看數(shù)據(jù)庫中的文檔的展示，Document Explorer會展現(xiàn)導(dǎo)入進(jìn)數(shù)據(jù)庫的原始文件，在這里可以進(jìn)行預(yù)覽，刪除，分類。分類之后，這個文檔就好比打上了合格的標(biāo)簽一樣，可以在以后的程序中進(jìn)一步使用。否則，不分類的文件都會只停留在這里，后繼的步驟無法處理。這是個文檔流程上的的Policy，如果不喜歡這個步驟，可以去掉。

　　

　　Document Browser 分類查看文檔

　　

　　左邊是樹型結(jié)構(gòu)，右邊是從屬于這個分類的文檔。如果要對掃描進(jìn)數(shù)據(jù)庫中的文件進(jìn)行分類，可以這樣操作

　　在Document Explorer中選中一個或多個文件，點(diǎn)擊右鍵Category Document

　　

　　在Document Browser的左邊的樹中，右鍵Paste Document

　　

　　之后就看到了效果，在.NET結(jié)點(diǎn)下面，展示了所Paste的文檔及其屬性

　　

　　Document Browser左邊的樹是文檔的分類，可對它對進(jìn)新增子節(jié)點(diǎn)，新增加一個分類的效果如下圖

　　

　　Category是取自數(shù)據(jù)庫中的類別表，它的腳本定義如下 CREATETABLE [dbo].[CATEGORY]( [RECNUM] [int] IDENTITY(1,1) NOTNULL, [NAME] [nvarchar](200) NULL, CONSTRAINT [PK_CATEGORY] PRIMARYKEYCLUSTERED ( [RECNUM] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY]

　　這顆文檔分類樹，它的結(jié)構(gòu)定義是放到本地的XML文件中，上圖中所看到的樹的格式定義如下

　　

　　如上圖所示，tag就是從數(shù)據(jù)庫中獲取的分類定義，依據(jù)這個標(biāo)識，以檢索分類的文檔。在Document Browser窗體的打開與關(guān)閉時，它會持久化樹的結(jié)構(gòu)定義，代碼如下 protectedoverridevoid OnClosed(EventArgs e) { base.OnClosed(e); TreeViewSerializer serializer = new TreeViewSerializer(); serializer.SerializeTreeView(this.treeView, treeFile); } protectedoverridevoid OnLoad(EventArgs e) { treeView.ImageList = this.imageList; TreeNode root=treeView.Nodes[0]; if (File.Exists(treeFile)) { treeView.Nodes.Clear(); TreeViewSerializer serializer = new TreeViewSerializer(); serializer.DeserializeTreeView(this.treeView, treeFile); treeView.ExpandAll(); } }

　　如果你對如何把樹節(jié)點(diǎn)定義保存到文件系統(tǒng)中感興趣，可以用關(guān)鍵字TreeViewSerializer在CodeProject中查找，這里的代碼就是取自其中一篇文章的代碼。

　　還有另一個地方，會用到樹型結(jié)構(gòu)分類，在Editor編輯器的打開文件對話框中，如下圖所示

　　

　　這里的效果，與Document Browser的效果是完全一樣的。原來以為是可以用Custom Open File Dialog來解決Open File對話框的Place Bar的問題，也就是上圖中看到的左邊的樹的分類，也是如下圖中紅色邊框包圍的地方

　　

　　要達(dá)到重寫紅色區(qū)域，Windows有規(guī)定的路徑，并且會驗證這個路徑，這個辦法沒有通過，無奈之下才用的自定義對話框。之前見到過的軟件，SharePoint Designer重寫過這個Place Bar區(qū)域，可惜沒有領(lǐng)悟它的實(shí)現(xiàn)原理。

　　寫到這里，還沒有完成，這里還需要一點(diǎn)OFFICE 二次開發(fā)的知識，在OFFICE軟件中，寫入一個插件，可以把正在瀏覽的文檔，直接導(dǎo)入到我的文檔數(shù)據(jù)庫中，如下圖所示

　　

　　這里已經(jīng)安裝了兩個插件，Nitro PDF Professional和Acrobat，用于把當(dāng)前DOC/DOCX文檔轉(zhuǎn)換為PDF文件。所以，還需要寫一個把當(dāng)前的DOC/DOCX文檔轉(zhuǎn)存到文檔數(shù)據(jù)庫中的插件。

　　在把PDF轉(zhuǎn)化為可以編輯的RTF格式過程中，遇到了不少的麻煩。把DOC/DOCX轉(zhuǎn)換成PDF，這個行為，有很多開源代碼可以借用，但是，倒過來，把PDF轉(zhuǎn)換成DOC/DOCX，這個組件卻不好找。有一種方案是把PDF轉(zhuǎn)化為TIFF,然后再用OCR軟件系統(tǒng)（ABBYY FineReader 9）來轉(zhuǎn)成DOC/DOCX文件。我們做程序員的窮，沒有那么多銀子買昂貴的SDK License,轉(zhuǎn)向?qū)ふ褻rack或是Patch之類的，也沒有結(jié)果。這些業(yè)界領(lǐng)先的技術(shù)，連Trial版本都不會出現(xiàn)在網(wǎng)上，根本沒有機(jī)會Trial一把，或是把它放到虛擬機(jī)里面，永遠(yuǎn)以Trial的方式來使用。有的組件，比如PDF Focus.NET，可以試用一把，可是轉(zhuǎn)換出來的文件，要么加上了Trial的水印，要么只能轉(zhuǎn)換前三頁，后面的都不能轉(zhuǎn)換。或者有的是ActiveX版本的控件，OCX方式注冊到系統(tǒng)中，總有這樣那樣的問題。杯具，想想以后要離開對Microsoft .NET Framework的依賴，離開對SQL Server的依賴，以這次的經(jīng)驗來看，這日子是沒法過了。盡管我已經(jīng)解決了這里的所有問題，仍然不愿意面對，在非數(shù)據(jù)庫開發(fā)的領(lǐng)域，技術(shù)和知識是很值錢的。因為我們已經(jīng)習(xí)慣了在數(shù)據(jù)庫領(lǐng)域的開發(fā)，技術(shù)和知識是一文不值的，只有做出的產(chǎn)品才值錢，悲劇。

【知識管理系統(tǒng)Data Solution研發(fā)日記之三 文檔解決方案】相關(guān)文章：

備件管理系統(tǒng)的解決方案范文（精選5篇）12-29

備品備件管理系統(tǒng)解決方案（通用11篇）12-30

Jordan offers new hosting solution05-04

異地財務(wù)管理系統(tǒng)解決方案08-20

文檔管理實(shí)訓(xùn)報告07-06

項目文檔管理辦法06-08

文檔管理制度03-23

電信機(jī)房環(huán)境視頻監(jiān)控系統(tǒng)解決方案03-15

網(wǎng)吧管理系統(tǒng)03-12

研發(fā)管理制度04-25