- 相關推薦
知識管理系統Data Solution研發日記之三 文檔解決方案
前面兩篇文章已經展示了Data Solution的設計目標和為達到此目標而設計的應用程序，這一篇繼續細化對它的介紹，講解Data Solution如何對文件進行掃描，轉換，存儲，檢索。本機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。要達到在同一個編輯器Editor中可以對它們進行編輯，再整理，需要選擇一種通用的格式，把其它的格式轉化為這種通用格式，對這種格式進行編輯。DOC/DOCX格式功能強大，有很多開源類型庫對它進行讀寫，RTF格式也包含了豐富數據資料，重要的一點是RTF格式，是一種開放的格式�？梢缘轿④浀木W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，在后續的進一步開發中，可以找到很多現有的功能和代碼，包括開放的源碼。所以，Data Solution選擇RTF格式作為文件存儲的標準格式。
下一個目標就是要找到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格式進行直接編輯，存儲和轉換。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，這個控件還需要強化，可以到CodeProject.com上找到一些工具和文章。
這兩個關鍵的步驟解決了，下面就是設計數據庫和設計數據讀寫代碼。創建Document數據庫，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，設計它為NVARCHAR(MAX)類型，CATEGORY用于文檔的分類查找，SUBJECT可存放關鍵字或是標題，BODY_TYPE用于全文搜索，存儲文檔類型擴展名。COMPUTER和PATH用于在本機掃描中，指定原始文檔的路徑，可用于追蹤。
Data Solution系統選擇LLBL Gen Framework作為數據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，對文檔進行保存的一段代碼，它是標準的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框架程序設計》一書中，解釋了這兩個throw的區別，它們會產生不同的stack trace，異常的起始點不同。
基礎層面的問題解決了，下面的應用程序就水到渠成，以不同的方式導入文檔到數據庫中。
Batch Import 批次導入指定目錄的文件到數據庫中
Doc Scanner 批次導入指定格式的文件到數據庫中
PDF Watcher 專用于PDF文件格式的轉換，導入，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換，導入，一次只處理一個文檔
再來看數據庫中的文檔的展示，Document Explorer會展現導入進數據庫的原始文件，在這里可以進行預覽，刪除，分類。分類之后，這個文檔就好比打上了合格的標簽一樣，可以在以后的程序中進一步使用。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
左邊是樹型結構，右邊是從屬于這個分類的文檔。如果要對掃描進數據庫中的文件進行分類，可以這樣操作
在Document Explorer中選中一個或多個文件，點擊右鍵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結點下面，展示了所Paste的文檔及其屬性
Document Browser左邊的樹是文檔的分類，可對它對進新增子節點，新增加一個分類的效果如下圖
Category是取自數據庫中的類別表，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，它的結構定義是放到本地的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就是從數據庫中獲取的分類定義，依據這個標識，以檢索分類的文檔。在Document Browser窗體的打開與關閉時，它會持久化樹的結構定義，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點定義保存到文件系統中感興趣，可以用關鍵字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，會用到樹型結構分類，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
要達到重寫紅色區域，Windows有規定的路徑，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區域，可惜沒有領悟它的實現原理。
寫到這里，還沒有完成，這里還需要一點OFFICE 二次開發的知識，在OFFICE軟件中，寫入一個插件，可以把正在瀏覽的文檔，直接導入到我的文檔數據庫中，如下圖所示
這里已經安裝了兩個插件，Nitro PDF Professional和Acrobat，用于把當前DOC/DOCX文檔轉換為PDF文件。所以，還需要寫一個把當前的DOC/DOCX文檔轉存到文檔數據庫中的插件。
在把PDF轉化為可以編輯的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轉換成DOC/DOCX，這個組件卻不好找。有一種方案是把PDF轉化為TIFF,然后再用OCR軟件系統（ABBYY FineReader 9）來轉成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,轉向尋找Crack或是Patch之類的，也沒有結果。這些業界領先的技術，連Trial版本都不會出現在網上，根本沒有機會Trial一把，或是把它放到虛擬機里面，永遠以Trial的方式來使用。有的組件，比如PDF Focus.NET，可以試用一把，可是轉換出來的文件，要么加上了Trial的水印，要么只能轉換前三頁，后面的都不能轉換�；蛘哂械氖茿ctiveX版本的控件，OCX方式注冊到系統中，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，以這次的經驗來看，這日子是沒法過了。盡管我已經解決了這里的所有問題，仍然不愿意面對，在非數據庫開發的領域，技術和知識是很值錢的。因為我們已經習慣了在數據庫領域的開發，技術和知識是一文不值的，只有做出的產品才值錢，悲劇。
【知識管理系統Data Solution研發日記之三 文檔解決方案】相關文章：
備件管理系統的解決方案范文（精選5篇）12-29
備品備件管理系統解決方案（通用11篇）12-30
Jordan offers new hosting solution05-04
異地財務管理系統解決方案08-20
文檔管理實訓報告07-06
項目文檔管理辦法06-08
文檔管理制度03-23
電信機房環境視頻監控系統解決方案03-15
網吧管理系統03-12
研發管理制度04-25