当前位置: 首页 > article >正文

根据NVeloDocx Word模板引擎生成Word(五)

前面几篇基本上介绍完了NVeloDocx的基础用法,绝大部分的需求其实都是这些基础的东西,本篇将介绍2个不常用但是实际的业务场景:

1、图片列表输出;

比如在E6开发平台生成的客户端中,图片列表往往是这样显示的:

 E6开发平台的图片列表

但是在生成Word报告时,往往会要求把图片按每2张或者3张一行,自动填入Word表格中,还需要显示图片名称,这种情况如果不做特殊处理,显然是很难通过NVelocity脚本实现的,毕竟NVelocity脚本能力有限。

需要在Word中把图片按每2张一行显示在表格中 

怎么处理呢?NVeloDocx提供了方法,把一个图片列表先转成每2张图片为一组的形式,再使用前面介绍的#foreach循环的方式就可以把图片按上图要求进行输出了:

 把图片转成每2张一组后再foreach循环输出

 上面效果图所对应的NVeloDocx模版如下图:

NVeloDocx模版 

脚本如下:

第一步:先获取图片列表数据,取数方法和前面介绍的取子表数据完全一致,采用data.GetChild("图片列表表单编号") 的方式,取数后把数据赋值给一个$child变量:

#set($child=${data.GetChild("CustomerPictureBoxList")})

第二步

采用NVeloDocx提供的工具utils.ToArr方法,把图片列表数据$child转成每2张图片为一组的列表$items:

#set($items=$utils.ToArr($child, 2))

第三步:得到新的图片列表后就可以for循环了:

#foreach($item in $items)

#end

for循环由于循环的是前面已经分组好的图片列表,每组2张图片,所以我们就需要分别获得这2张图片并使用word.InsertImg方法填入表格位置:

${word.InsertImg(${child.GetValue(${item.GetValue(0)},"__Path__")},72,45)}

${word.InsertImg(${child.GetValue(${item.GetValue(1)},"__Path__")},72,45)}

这里最关键的是$item.GetValue(0)和$item.GetValue(1),因为前面已经对图片进行分组了,所以这里就表示分别取第1和第2张图片对象。而${child.GetValue(${item.GetValue(0)},"__Path__")},表示的就是取图片实际路径了,这里和前面介绍的取子表字段的方式是一致的。

总体来说图片的处理算是整个NVeloDocx中是“复杂”的了(就这?),但是您可以直接拷贝整段脚本,修改下“图片列表编号”的值即可执行。


2、多行文本的处理:

比如有如下的多行文本框,如果不做特殊处理的话,那么输出的内容那都是没换行没分段的,那么我们就需要借助NVeloDocx工具utils.SplitStr来实现换行分段: 

 多行文本框

脚本如下:

由于多行文本框本身就是一个普通字段,所以我们可以通过前面介绍过的取主表字段的方法$data.GetValue("多行文本框字段名")获取到文本框的值,然后借助于$utils.SplitStr就可以默认按回车换行符把这个字段拆分多行,就可以使用#foreach进行输出了。

#foreach($str in ${utils.SplitStr(${data.GetValue("多行文本框字段名")})})

${str}

#end

输出后的效果如下:

输出到Word中的效果

从这一系列文章可以看出,基于NVeloDocx引擎,Word模版制作非常容易。

相信使用过NVelocity模版引擎的人都知道,这个模版引擎确实很强,就是出问题排查的时候实在头痛,特别是模版内容很多且命令很多的时候。但是NVeloDocx自带了NVelocity命令错误检测功能(很智能吧?),能够检测到具体是Word模版中哪一段的命令错误,错误原因大概是什么,最多的情况就是命令不正确,#if,#foreach等缺少对应的#end,以及括号是否匹配等等。毕竟E6开发平台的用户绝大部分都是无任何编程经验的。

 


http://www.kler.cn/news/303370.html

相关文章:

  • 9.12 TFTP通信
  • 阿里巴巴拍立淘API:实时图像搜索与快速响应的技术探索
  • Pycharm Remote Development 报错解决
  • 【机器学习(三)】分类和回归任务-随机森林-Sentosa_DSML社区版
  • 【数据库】死锁排查方式
  • iPhone 16分辨率,屏幕尺寸,PPI 详细数据对比 iPhone 16 Plus、iPhone 16 Pro、iPhone 16 Pro Max
  • CTF比赛中的Git相关题目解题思路
  • Unity 之 【Android Unity FBO渲染】之 [Unity 渲染 Android 端播放的视频] 的一种方法简单整理
  • TESSY创建需要手写桩的测试用例
  • 麒麟桌面操作系统:查看最近安装与卸载的软件包
  • Unreal Fest 2024 虚幻引擎影视动画制作的普遍问题
  • 基于云计算的虚拟电厂负荷预测
  • Vue3前端框架学习记录
  • 《深度学习》—— 神经网络基本结构
  • Java 之 Lambda表达式
  • 刚接触无处下手?水下航行器AUV/UUV六自由度模型/控制器设计matlab/simulink参考代码,基础的/进阶的,入门到顺利毕业/完成课题/发表论文。
  • Java微服务架构最佳实践:如何设计高可用的分布式系统
  • 华为 HCIP 认证费用和报名资格
  • Java 开发中锁的选择与使用
  • MVC设计模式与delegate,tablview,Appdelegate,SceneDelegate
  • 【逐行注释】自适应观测协方差R的AUKF(自适应无迹卡尔曼滤波,MATLAB语言编写),附下载链接
  • 小程序给对象赋值(双向绑定)方法之一
  • 企业客户|基于springboot的企业客户管理系统设计与实现(附项目源码+论文+数据库)
  • 一次开发,多端部署--实例二
  • RK3568 android11 usb摄像头预览分辨率添加多分辨率---解除1080p限制
  • 实现绑定UDP端口的Server程序
  • 大模型微调 - 基于预训练大语言模型的对话生成任务 训练代码
  • 计算机二级自学笔记(选择题1部分)
  • git的快速合并fast-forward merge详解
  • 机器学习和深度学习存在显著区别