WORD文档比较的一些思路

有一个需求是这样的，用户甲上传一个WORD文档给用户乙进行审批，用户甲就是文件创建者，而用户乙就是文件修改者，当然他可以进行多次修改，一直到他锁定该文档不能再修改为止，用户甲和用户乙需要看到的就是用户乙修改后的文档比较。

 

 

相信很多人都用过Tortoise这个工具，里面就有一个TortoiseMerge，用来比较不同版本的文档，如图：

 

或者是简单的文本文档的比较，看了一下TortoiseMerger如何实现WORD文件的比较，还是首先把WORD文件的内容提取出来，然后再进行文本比较，如下图：

 

今天在无忧脚本里看到一个简单的公文批注js版：http://bbs.51js.com/viewthread.php?tid=10643&extra=page%3D1 ，那里是基于VML+DOM实现的，可以保留痕迹，但是用户必须在页面上进行操作

 

还好在TortoiseMerge是开源的，用底层C++来实现，源码在http://tortoisesvn.tigris.org/svn/tortoisesvn/trunk/src/TortoiseMerge（用TortoiseSVN checkout,用户名是guest,密码是空的）

 

现在基本思路是当用户修改文档这个事件发生，异步用JNI调用编译好的TortoiseMerge来实现两个文档的比较，把比较后的结果保存在一个WORD文档里面。

 

当然可以说客户的需求BT，可以委婉拒绝客户的这个想法，不知道大家有什么好的思路。

 

附：最近找到一个简单的WORD文档比较工具:CSDiff,下载地址是：http://www.brothersoft.com/csdiff-download-4744.html

它可以通过命令行进行操作：先切换到安装目录下，然后执行命令CSDiff.exe c:\原始文档.doc c:\修改文档.doc

会弹出一个对比后的文档：文档1，此时调用Jacob组件能保存对比的文档

 

CSDiff的命令行操作：

CSDiff.exe /OoutFormatOutfile [/bblanksMode] [/scomparMethod] [/i] [/n] [/t=nnn] [/q] BaseFileName CmpFileName [BaseFileTitle CmpFileTitle]

另外还有一个思路，就是在比较两个WORD文档之前，先分别从WORD文档提取它的内容（当然WORD文档不包括图片）,保存成XML文件然后再比较，根据比较的结果写进WORD文档。
这中间的关键点在于读取WORD文件的内容（包括常见的Table格式），然后进行比较的算法。

这个我现在也在想，当还没有好办法，你的可行吗，java能做到更好，期待你的答案！！！

WORD2003和WORD2007都有相应的文档比较工具：
WORD2003：比如要比较Ａ文档和Ｂ文档，先打开Ａ文档，再选择　“工具－－－>比较并合并文档”菜单，在弹出的对话框里打开B文件，然后就可以实现比较。
WORD2007：同WORD2003，区别是选择"工具---->比较"菜单
========================
在网上搜索了一把，发现csdiff(http://www.freedownloadmanager.org/downloads/CSDiff_12343_p/)是个好的文件比较工具，免费的，暂时还没找到源码

POI Text Extraction可以抽取Word的文本内容
不过格式复杂一点的效果就不好

   光是文本比较很容易了。 如果有图片，或表格，以及其它特殊格式，比较起来就稍麻烦一点