富文本编辑器复制word文档中的图片

文章目录

富文本编辑器复制 word 文档中的图片
与 ckeditor 相见恨晚
获取图片的前奏
- 获取剪贴板内容
获取 word 文档中的图片
- replaceImagesSourceWithBase64 方法
- extractImageDataFromRtf 方法
- replaceImagesFileSourceWithInlineRepresentation
动手实践，获取图片信息并展示
锦上添花，实现图片上传
- base64 转换为 blod 对象
- 优化显示的 URL
- blod 转 base64
总结
- 流程总结
- 彩蛋 - 下集预告

文章有点长，感觉每次写文章都特别啰嗦，如果不想看过程的话直接跳到*动手实践那一步，那边有核心的方法~

富文本编辑器复制 word 文档中的图片

问题点：从 word 文档复制进来的内容的图片都是 file:/// 协议，这时候如果我们的页面是 http://或者 https:// 协议的话，就不允许读取图片了。

除非页面也是本地文件打开的（但是实际项目中基本上是不可能的了）：

与 ckeditor 相见恨晚

paste-from-word demo

看，ckeditor 就支持！然而这时候的项目已经有太多历史包袱（包括后面新开发的插件，我用的是 tinymce ）

倒不是说 tinymce 不好，只是用多了你会发现。。。真的很不好（说来话长，后面记录 tinymce 的时候在吐槽把）

如果你也有编辑器需求，而且没有历史包袱，直接尝试 ckeditor 把

获取图片的前奏

要获取图片，先从剪贴板入手，因为我们的数据源最后是从剪贴板复制过来的。

先了解几个知识点，才能更好理解后面的内容

为什么网站不能直接读取图片？因为安全性：

ckeditor 在怎么强大也不可能从 http/https 协议下的网址读取 file:/// 的文件。原因也很简单，如果能读取的话，岂不是网站能把我们全部的资料都读到？

word 文档内部的东西

word 文档其实只需要把后缀改为 .zip。然后打开对应的目录，你会发现图片就存在里面，而且 word 目录下还有一个 webSettings.xml 里面就存放着 word 文档的信息。感兴趣的就自己找一个看看把

关于系统剪贴板/JS 中的 clipboardData

我们经常用到的复制某一段字的功能，其实核心就是用到了 window 子对象 clipboardData 的一个方法：setData()

clipboardData.setData(sDataFormat, sData)

sDataFormat：要复制的内容的格式；
sData：要复制的内容。

只是因为 clipboardData 还是实验性功能，所以平时用的不多。接下来要说的东西就和 sDataFormat 息息相关。

获取剪贴板内容

主动获取

缺点：
- 只能在 https 域名下使用（见下图 1）
- 页面必须聚焦，鼠标在控制台都不行（见下图 2）
- 还会被人发现，甚至被人拒绝（见下图 3）
优点：
- 他能让你获取剪贴板内容。。。

navigator.clipboard.readText().then(v => {console.log('获取剪贴板成功：', v)}).catch(v => {console.log('获取剪贴板失败: ', v)})

被控获取监听 ctrl + v / 粘贴事件

使用 event 中的 clipboardData 调用 getData 方法，其中的参数目前我知道的有如下几个

text 获取文本
text/html 获取 html 文本
text/plain 获取普通文本，效果和 text 一样
text/rtf 获取 rtf 信息（不懂就问，啥是 rtf）

window.addEventListener('paste', function(e) {const clipdata = e.clipboardData || window.clipboardDatalet data = clipdata.getData('text/html')console.log(data)
})

PS：复制后到页面上随便粘贴一下，不一定要找到输入框，按下 ctrl+v 就行

输出如下：上面还有一大堆乱七八糟的标签，wps 就比 office 干净多了，这个是从 office 复制进来的。

clipdata.getData('text/html') 也就是我们富文本用的方法，获取粘贴的内容的 html 代码 注意是 text/html 这里有个坑，后面会说到

clipdata.getData('text/rtf') 获取的东西更加乱了，不过里面就记载着我们的图片信息（我的文档就 2 张图片，11mb.可怕）

有了上面的基础知识，我们就能抛开富文本编辑器，先来实现一个文章最前面的截图，粘贴显示 word 文档的功能。

<body><p>请按下ctrl+v粘贴内容</p><div id="preview"></div><script>window.addEventListener("paste", function (e) {const clipdata = e.clipboardData || window.clipboardData;document.querySelector('#preview').innerHTML = clipdata.getData("text/html")});</script>
</body>
</html>

获取 word 文档中的图片

下面根据 ckeditor 的源码来学习，具体的代码是在

GitHub：ckeditor5-paste-from-office

或者从 npm 下载：@ckeditor/ckeditor5-paste-from-office

分析源码：

src/index.js -> src/pastefromoffice.js （在 init 函数中，执行了一个 activeNormalizer.execute方法）-> src/normalizers/mswordnormalizer.js

到这里就看到了一个 replaceImagesSourceWithBase64 方法，这就是今天学习的核心

replaceImagesSourceWithBase64 方法

该方法在：src/filters/image.js

在 replaceImagesSourceWithBase64 函数中，和图片相关的方法是:

findAllImageElementsWithLocalSource 查找全部的 file:/// 开头的图片

createRangeIn、new Matcher、这些方法都不用太过于关注，因为复制进来的都是文本，这些可能是 ckeditor 核心代码中转换为 dom 节点的方法
我们直接粗暴点渲染为真实 dom，然后在操作真实 dom 就是了
第 12 行，获取 src 是 file:// 开头的 dom 节点

function findAllImageElementsWithLocalSource(documentFragment, writer) {const range = writer.createRangeIn(documentFragment)const imageElementsMatcher = new Matcher({name: 'img'})const imgs = []for (const value of range) {if (imageElementsMatcher.match(value.item)) {if (value.item.getAttribute('src').startsWith('file://')) {imgs.push(value.item)}}}return imgs
}

接着执行 replaceImagesFileSourceWithInlineRepresentation 方法。在这之前还会执行 extractImageDataFromRtf

extractImageDataFromRtf 方法

同样是在 src/filters/image.js

这部分代码是把我们从剪贴板中 getData('text/rtf') 获取到的值做一个加工，提取里面的图片信息（我承认没看懂提取的是啥，我对 rtf 也不那么了解，哈哈哈哈）

更新一点点东西(关于正则无法匹配到最新的图片节点)
regexPictureHeader 这段正则中，在以前的时候还是可以用的，可能最近 rtf 又更新了，导致匹配失败，无法生成图片
于是进过一番探索，根据旧的正则自己删减了一部分匹配规则，进过测试 office 和 wps 都能识别。
旧的写法： const regexPictureHeader = /{\pict[\s\S]+?\bliptag-?\d+(\blipupi-?\d+)?({\*\blipuid\s?[\da-fA-F]+)?[\s}]?/;
新的写法：const regexPictureHeader = /{\pict[\s\S]+?({\*\blipuid\s?[\da-fA-F]+)[\s}]/;

function extractImageDataFromRtf(rtfData) {if (!rtfData) {return []}// 旧的写法// const regexPictureHeader = /{\\pict[\s\S]+?\\bliptag-?\d+(\\blipupi-?\d+)?({\\\*\\blipuid\s?[\da-fA-F]+)?[\s}]*?/// 新删减后的写法const regexPictureHeader = /{\\pict[\s\S]+?({\\\*\\blipuid\s?[\da-fA-F]+)[\s}]*/const regexPicture = new RegExp('(?:(' + regexPictureHeader.source + '))([\\da-fA-F\\s]+)\\}', 'g')const images = rtfData.match(regexPicture)const result = []if (images) {for (const image of images) {let imageType = falseif (image.includes('\\pngblip')) {imageType = 'image/png'} else if (image.includes('\\jpegblip')) {imageType = 'image/jpeg'}if (imageType) {result.push({hex: image.replace(regexPictureHeader, '').replace(/[^\da-fA-F]/g, ''),type: imageType})}}}return result
}

replaceImagesFileSourceWithInlineRepresentation

同文件下的方法

传入的参数第一个是 src 为file://的图片节点数组，第二个从 rtf 提取的图片信息数组，第三个就是 ckeditor 自己的方法了，用来显示文本的，不用管他

还用到了一个 _convertHexToBase64 方法，把 hex 转换为 base64

接着就是一顿循环了，对应的节点替换为对应的 base64，设置到图片节点的的 src 上，只是这里他们用了自身封装的 writer。

function replaceImagesFileSourceWithInlineRepresentation(imageElements, imagesHexSources, writer) {// Assume there is an equal amount of image elements and images HEX sources so they can be matched accordingly based on existing order.if (imageElements.length === imagesHexSources.length) {for (let i = 0; i < imageElements.length; i++) {const newSrc = `data:${imagesHexSources[i].type};base64,${_convertHexToBase64(imagesHexSources[i].hex)}`writer.setAttribute('src', newSrc, imageElements[i])}}
}function _convertHexToBase64(hexString) {return btoa(hexString.match(/\w{2}/g).map(char => {return String.fromCharCode(parseInt(char, 16))}).join(''))
}

动手实践，获取图片信息并展示

上面分析了一些 ckeditor 代码之后，其实我们要用的也就是

findAllImageElementsWithLocalSource
- 这个方法被改造了一下，直接读取实际的 dom 节点，拿到图片节点
replaceImagesFileSourceWithInlineRepresentation
- 这个方法在最后赋值的时候也改了下，因为我们已经记录了实际的 dom 节点，所以直接使用 .setAttribute(‘src’,newSrc)
extractImageDataFromRtf
_convertHexToBase64

整理过后的代码如下：

<body><p>请按下ctrl+v粘贴内容</p><div id="preview"></div><script>window.addEventListener("paste", function (e) {const clipdata = e.clipboardData || window.clipboardData;document.querySelector('#preview').innerHTML = clipdata.getData("text/html")let rtf = clipdata.getData('text/rtf')let imgs = findAllImageElementsWithLocalSource()replaceImagesFileSourceWithInlineRepresentation(imgs, extractImageDataFromRtf(rtf))});function findAllImageElementsWithLocalSource() {let imgs = document.querySelectorAll('img')return imgs;}function extractImageDataFromRtf(rtfData) {if (!rtfData) {return [];}// 旧的写法// const regexPictureHeader = /{\\pict[\s\S]+?\\bliptag-?\d+(\\blipupi-?\d+)?({\\\*\\blipuid\s?[\da-fA-F]+)?[\s}]*?/// 新删减后的写法const regexPictureHeader = /{\\pict[\s\S]+?({\\\*\\blipuid\s?[\da-fA-F]+)[\s}]*/const regexPicture = new RegExp('(?:(' + regexPictureHeader.source + '))([\\da-fA-F\\s]+)\\}', 'g');const images = rtfData.match(regexPicture);const result = [];if (images) {for (const image of images) {let imageType = false;if (image.includes('\\pngblip')) {imageType = 'image/png';} else if (image.includes('\\jpegblip')) {imageType = 'image/jpeg';}if (imageType) {result.push({hex: image.replace(regexPictureHeader, '').replace(/[^\da-fA-F]/g, ''),type: imageType});}}}return result;}function _convertHexToBase64(hexString) {return btoa(hexString.match(/\w{2}/g).map(char => {return String.fromCharCode(parseInt(char, 16));}).join(''));}function replaceImagesFileSourceWithInlineRepresentation(imageElements, imagesHexSources, writer) {// Assume there is an equal amount of image elements and images HEX sources so they can be matched accordingly based on existing order.if (imageElements.length === imagesHexSources.length) {for (let i = 0; i < imageElements.length; i++) {const newSrc = `data:${imagesHexSources[i].type};base64,${_convertHexToBase64(imagesHexSources[i].hex)}`;imageElements[i].setAttribute('src',newSrc)}}}</script></body></html>

锦上添花，实现图片上传

进过上面一系列方法后，我们确实是拿到了 base64 格式的图片，可是这显示未免也太长了一些，如果要实现上传，还得后端给我们重新起一个 base64 图片上传的方法。。。

base64 转换为 blod 对象

blod 就是我们平时用 input 选择图片后拿到的 File 类型（不知道有没有解释错，大概就是这个意思）

方法如下:

/** 将base64转换为文件对象*  @param {String} base64 base64字符串**/
function convertBase64ToBlob(base64) {var base64Arr = base64.split(',')var imgtype = ''var base64String = ''if (base64Arr.length > 1) {//如果是图片base64，去掉头信息base64String = base64Arr[1]imgtype = base64Arr[0].substring(base64Arr[0].indexOf(':') + 1, base64Arr[0].indexOf(';'))}// 将base64解码var bytes = atob(base64String)//var bytes = base64;var bytesCode = new ArrayBuffer(bytes.length)// 转换为类型化数组var byteArray = new Uint8Array(bytesCode)// 将base64转换为ascii码for (var i = 0; i < bytes.length; i++) {byteArray[i] = bytes.charCodeAt(i)}// 生成Blob对象（文件对象）return new Blob([bytesCode], { type: imgtype })
}

效果如下

优化显示的 URL

上传问题是解决了，可是那么长的 base64 看着实在是糟心，还好我们还有 ObjectURL

一下子清爽多了：

let boldFile = convertBase64ToBlob('base64的字符串')
// 直接使用 URL.createObjectURL 生成
imageElements[i].setAttribute('src', URL.createObjectURL(boldFile))

blod 转 base64

既然都说到这里了，还有一个转换就顺便说了把

function readBlobAsDataURL(blob, callback) {var a = new FileReader()a.onload = function(e) {callback(e.target.result)}a.readAsDataURL(blob)
}readBlobAsDataURL('blod文件对象', function(base64) {console.log(base64)
})

图片读取，图片显示，包括图片转换为 blod 对象也有了，只要图片上传后，在回显一下，就齐活了~

总结

核心原理包括 ckeditor 部分源码解读就结束了，当然还有很多细节没考虑，包括一些标签的转换，标签过滤，样式过滤，最主要的是要判断复制进来的到底是不是 word 文档，还有如果拿不到 rtf 等各种情况，都可以研究下 ckeditor 的代码

流程总结

监听粘贴事件，获取剪贴板的数据（包括 text/html和text/rtf）
拿到 html 后把 file:// 开头的 img 节点找出来，然后使用转换方法把 rtf 对应的图片信息也一一对应的找出来
使用 hex 转 base64 的方法获取到图片的 base64 信息，然后在看需要进行转换

彩蛋 - 下集预告

上面说到有一个坑，就是我们获取的 getData('text/html') 和 getData('text/rtf')

这 2 个东西并不是凭空出现的，而且人为设置的（不要觉得复制的任何东西都有 text/html）

这些东西都是在设置剪贴板的时候 setData('text/html')。设置了有什么，才能拿到什么（因为我在富文本的另一个功能中踩到这坑了，包括 safari 浏览器也有坑！）

下一篇文章就来写写这个剪贴板的坑！

复制 word 文档图片原理的文章真的好少~希望我这篇能帮到你