حذف نویسنده، عنوان و ویژگی‌های سفارشی هنگام تبدیل فایل‌های Office در جاوا

مخزن نمونه همراه (در انتظار انتشار): remove-office-properties-java

حذف متادیتای Office یک جریان کاری GroupDocs.Conversion برای جاوا است که ویژگی‌های سند منبع را هنگام صادرات فایل‌های Office پاک می‌کند. این به بخشی کوچک اما به‌راحتی قابل‌غفلت از تحویل سند می‌پردازد: فایل ممکن است آماده به نظر برسد در حالی که نویسنده، عنوان یا مرجع داخلی آن هنوز یک پیش‌نویس را توصیف می‌کند. این مقاله یک گزارش Word را از طریق این تصمیم دنبال می‌کند، سپس همان سیاست را برای Excel و PowerPoint اعمال می‌کند. کد به نسخه 26.10 ثابت شده و از فایل‌های ورودی فرضی استفاده می‌کند.

مقدمه

فرض کنید گزارشی در حال خروج از فرآیند بازبینی داخلی است. عنوان قابل مشاهده صحیح است، اعداد تأیید شده‌اند و PDF به‌طور عادی باز می‌شود. هیچ‌یک از این بررسی‌ها به شما نمی‌گوید فیلد Author آن چه دارد. یک کاربرگ یا ارائه نیز می‌تواند یک ویژگی سفارشی داشته باشد که در داخل تیم معنا دارد اما به محصول نهایی خارجی اضافه‌ای نمی‌کند. این اطلاعات را به‌عنوان یک تصمیم صادراتی در نظر بگیرید نه یک شگفتی که توسط گیرنده کشف می‌شود.

نمونه دو نسخه از هر گزارش تولید می‌کند. یکی ویژگی‌های منبع را حفظ می‌کند؛ دیگری حذف ویژگی‌های داخلی و سفارشی را درخواست می‌کند. همچنین برای هر اجرا یک نسخه Office با همان فرمت می‌نویسد تا مقادیر بررسی‌شده به‌صورت مستقل قابل‌بازرسی باشند. این یک مثال به‌صورت عمدی قابل‌مشاهده است. ما به شواهدی نیاز داریم که تنظیمات خروجی را تغییر داده‌اند، نه فرضی بر پایه ظاهر صفحه اول.

چرا پاک‌سازی ویژگی‌ها در زمان صادرات مهم است

مرحله صادرات جایی است که سند منبع به یک محصول تحویل تبدیل می‌شود. این باعث می‌شود مکان مفیدی برای تصمیم‌گیری درباره اینکه آیا ویژگی‌های داخلی باید همراه محتوا بروند یا نه باشد. GroupDocs.Conversion برای جاوا 26.10 کنترل‌های جداگانه‌ای برای ویژگی‌های داخلی و سفارشی سند ارائه می‌دهد. می‌توانید آنها را هنگام بارگذاری منبع Office، قبل از ذخیره‌سازی PDF اعمال کنید. مثال هر دو دسته را برای نسخه کپی خارجی فعال می‌کند.

این جایگزینی برای بازبینی خود سند نیست. نام نویسنده ممکن است در یک پاراگراف، یک سلول، یک یادداشت یا یک فایل جاسازی‌شده نیز ظاهر شود. آن مکان‌ها نیاز به پردازش جداگانه دارند. من این ویژگی را به‌عنوان پاک‌سازی ویژگی در یک خط لوله صادرات توصیف می‌کنم، زیرا این واژه‌سازی با آنچه کد واقعاً نشان می‌دهد مطابقت دارد. همچنین از وعده دادن نتیجه حریم‌خصوصی گسترده‌تری که تست پوشش نمی‌دهد جلوگیری می‌کند.

چه زمانی باید ویژگی‌های Office را پاک کنم؟

ویژگی‌های منبع را زمانی پاک کنید که سیاست تحویل شما نویسندگی داخلی، عناوین پیش‌نویس یا فیلدهای مرجع سفارشی را از گزارش صادرشده حذف می‌کند. گزینه‌های بارگذاری را قبل از ساختن Converter پیکربندی کنید و خروجی‌های حفظ‌شده و پاک‌شده را با استفاده از نشانگرهای شناخته‌شده مقایسه کنید. مثال منابع DOCX، XLSX و PPTX را پوشش می‌دهد. محتویات قابل مشاهده را جداگانه بازبینی کنید و اجازه دهید فیلدهای PDF تولیدشده مانند Producer پس از پاک‌سازی باقی بمانند.

پیش‌نیازها

پروژه کامل از JDK 11، Maven و GroupDocs.Conversion برای جاوا 26.10 استفاده می‌کند. پوشه documents آن شامل سه گزارش فرضی است. برای تأیید بدون محدودیت نیاز به لایسنس‌ای است که این نسخه را پوشش دهد؛ محدودیت‌های ارزیابی می‌توانند مانع اتمام مقایسه کامل شوند. کد تنظیم لایسنس را خارج از متدهای ویژگی نگه می‌دارد و از یک جای‌نگهدار در منبع توزیع‌شده استفاده می‌کند. فایل لایسنس را در پروژه قرار ندهید.

نصب

فایل pom.xml پروژه مخزن GroupDocs Java و وابستگی نشان‌داده‌شده در زیر را اعلام می‌کند. فرمان Maven را از دایرکتوری آن پروژه اجرا کنید. بلوک‌های Java این مقاله بدنه‌های متدهای نمونه تأییدشده هستند؛ آنها فرض می‌کنند واردات مربوطه، یک پوشه Result موجود و یک پارامتر بولی به نام clear وجود دارد.

<dependency>
  <groupId>com.groupdocs</groupId>
  <artifactId>groupdocs-conversion</artifactId>
  <version>26.10</version>
</dependency>
mvn compile exec:java

گام ۱: سیاست ویژگی را به‌صورت صریح تعیین کنید

سه متد همان سیاست بولی را دریافت می‌کنند. ارسال false تنظیمات منبع را برای یک اجرای کنترل حفظ می‌کند؛ ارسال true حذف هر دو دسته را درخواست می‌کند. در WordProcessingLoadOptions، متدها setClearBuiltInDocumentProperties و setClearCustomDocumentProperties هستند. SpreadsheetLoadOptions و PresentationLoadOptions کنترل‌های متناظر را نمایش می‌دهند. این سازگاری به شما اجازه می‌دهد یک سیاست را در سه خانواده ورودی متفاوت بررسی کنید بدون اینکه مخفی کنید کدام بارگذار هر فایل را باز می‌کند.

اجرای حفظ ویژگی مهم است. اگر نشانگر منبع هرگز به خروجی معمولی نرسد، خروجی پاک خالی شواهد ضعیفی است. بنابراین نمایش برای هر نشانگر در نسخه Office حفظ‌شده بررسی می‌کند و عدم حضور آن را در نسخه پاک‌شده بررسی می‌کند. این به مقایسه یک کنترل مثبت می‌دهد. هنگام معرفی قالب سند جدید یا تغییر نسخه وابستگی، تست مشابهی را حفظ کنید.

گام ۲: گزارش Word را صادر کنید

مسیر Word با documents/report.docx شروع می‌شود. این فایل دارای ویژگی‌های سند فرضی و یک گزارش کوتاه قابل مشاهده است. متد convertWord گزینه‌های تایپ‌شده را ایجاد می‌کند، سیاست را اختصاص می‌دهد و این گزینه‌ها را از طریق سازنده Converter فراهم می‌کند. این متد یک PDF برای تحویل و یک نسخه DOCX برای بازرسی ویژگی می‌نویسد. هر دو فایل خروجی جدید هستند؛ منبع توسط این نمونه بازنویسی نمی‌شود.

WordProcessingLoadOptions options = new WordProcessingLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/docx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.docx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".docx", new WordProcessingConvertOptions());
}

نام هدف با retained یا clean پایان می‌یابد، بسته به آرگومان بولی. این تمایز از بازنویسی دو اجرا به‌یکدیگر جلوگیری می‌کند. همچنین بازبینی دستی را آسان‌تر می‌کند: PDF را باز کنید تا ارائه را بررسی کنید و کنترل Office مربوطه را برای بررسی ذخیره‌سازی ویژگی بررسی کنید. در اجرای تأییدشده، Author و Title در PDF حفظ‌شده باقی ماندند و از PDF پاک‌شده ناپدید شدند. اطلاعات Producer باقی ماند، که یک فیلد جداگانه تولیدشده توسط خروجی است.

گام ۳: اعمال سیاست بر Excel و PowerPoint

برای یک گزارش Excel، از SpreadsheetLoadOptions به‌جای استفاده مجدد از بارگذار Word استفاده کنید. کد تبدیل همان پرچم‌های ویژگی را حفظ می‌کند و خانواده ورودی و گزینه‌های کنترل همان‌فرمت را تغییر می‌دهد. فایل XLSX شامل فضاهای خالی عمدی است، بنابراین صفحه‌بندی آن بخشی از ادعای متادیتا نیست. صفحات PDF و همچنین نتیجه ویژگی را هنگام تطبیق با یک گزارش تجاری بررسی کنید. موفقیت ویژگی تضمین نمی‌کند که یک شیت گسترده همان‌طور که انتظار می‌رود چاپ شود.

SpreadsheetLoadOptions options = new SpreadsheetLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/xlsx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.xlsx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".xlsx", new SpreadsheetConvertOptions());
}

PowerPoint همان سیاست بارگذاری را با PresentationLoadOptions دنبال می‌کند. اسلاید نمونه شامل متن گزارش فرضی است، در حالی که نویسنده، عنوان و مرجع سفارشی آن در بخش‌های ویژگی سند زندگی می‌کند. این متد PDF به‌اضافه PPTX را ذخیره می‌کند تا مقایسه ویژگی مستقل از رندر اسلاید باقی بماند. این متد یادداشت‌های سخنران یا اشیای جاسازی‌شده را بررسی نمی‌کند. اگر این موارد برای فرآیند تحویل شما مهم هستند، آنها را قبل از انتشار در یک بازبینی جداگانه گنجانید.

PresentationLoadOptions options = new PresentationLoadOptions();
options.setClearBuiltInDocumentProperties(clear);
options.setClearCustomDocumentProperties(clear);
String target = "Result/pptx-" + (clear ? "clean" : "retained");
try (Converter converter = new Converter("documents/report.pptx", () -> options)) {
    converter.convert(target + ".pdf", new PdfConvertOptions());
    converter.convert(target + ".pptx", new PresentationConvertOptions());
}

گام ۴: نتیجه را به‌جای حدس زدن تأیید کنید

PropertyChecks بخش‌های ویژگی شش فایل کنترل Office را بررسی می‌کند. به دنبال Internal Review Team، Quarterly Review Draft و INTERNAL-REF-2610 می‌گردد. نسخه‌های حفظ‌شده باید آن مقادیر شناخته‌شده را داشته باشند و نسخه‌های پاک‌شده باید آنها را حذف کنند. برنامه برای هر فایل بررسی‌شده یک خط PASS چاپ می‌کند و اگر مقایسه با آن انتظار مطابقت نداشته باشد، شکست می‌خورد. این بررسی به ثابت‌های فرضی مرتبط است، نه ادعایی که متادیتای دلخواه کشف و طبقه‌بندی شده است.

ما همچنین Author و Title PDF را با Poppler pdfinfo بررسی کردیم. هر دو فیلد در صادرات پاک‌شده از تمام سه منبع Office ناپدید شدند. فیلد تولید شده Producer باقی ماند. این نتیجه دقیقاً مفید است زیرا ادعا را محدود می‌کند: ویژگی‌های منبع درخواست‌شده حذف شدند، در حالی که PDF هنوز می‌تواند نرم‌افزاری که آن را نوشته است شناسایی کند. این را به وعده‌ای تبدیل نکنید که یک دیکشنری متادیتای کاملاً خالی است.

مثال کامل کارآمد

OfficeMetadataDemo نقطه ورود در پروژه Maven همراه است. این برنامه Result/ را ایجاد می‌کند، هر سه متد تبدیل را با false و true اجرا می‌کند و PropertyChecks را فراخوانی می‌کند. این ابزار جدا از متدهای ویژگی نگه داشته شده تا قطعه‌های تبدیل قابل‌خواندن بمانند. RUN.md توضیح می‌دهد چگونه لایسنس خود را به‌صورت محلی اعمال کنید. اسناد گنجانده‌شده فرضی هستند و می‌توانند بدون وابستگی به داده‌های مشتری استفاده شوند.

کاربردهای دنیای واقعی

تحویل گزارش مشتری

یک سرویس صادرات می‌تواند PDF خارجی را فقط پس از تأیید گزارش تولید کند. سیاست ویژگی را در مسیر تبدیل آن اعمال کنید و سند Office اصلی را در مکان داخلی موجود خود نگه دارید. از بسته‌بندی کنترل‌های حفظ‌شده در بسته مشتری خودداری کنید. آنها اینجا وجود دارند تا تست قابل‌مشاهده باشد.

ارسال‌های ترکیبی Office

یک تیم ممکن است گزارش‌های روایتی، کاربرگ‌ها و خلاصه‌های ارائه را دریافت کند. برای هر خانواده ورودی یک بارگذار تایپ‌شده استفاده کنید و یک سیاست مستند را به‌طور مداوم اعمال کنید. ما تصمیم‌گیری بر پایه خانواده فایل را در کد قابل‌مشاهده نگه می‌داریم به‌جای این‌که پشتیبانی را از یک مثال موفق DOCX استنتاج کنیم. هنگام معرفی قالب دیگری، ثابت‌های نماینده اضافه کنید.

بهترین روش‌ها و نکات

پاک‌سازی و حذف را در نیازهای خود جدا نگه دارید. قبل از پاک‌سازی تصمیم بگیرید کدام ویژگی‌ها برای منبع‌گیری لازم هستند. خروجی‌های تحویل را جدا از کنترل‌های داخلی ذخیره کنید و تنظیم لایسنس را به‌عنوان پیکربندی محلی در نظر بگیرید. هنگام ارتقاء SDK، هر دو نسخه حفظ‌شده و پاک‌شده را دوباره اجرا کنید تا تغییر غیرمنتظره در هر دو سمت مقایسه قابل‌مشاهده باشد.

عیب‌یابی مشکلات رایج

اگر نمایش کامل در حالت ارزیابی متوقف شد، لایسنس پوشش‌دهنده 26.10 را در نسخه محلی خود اعمال کنید و آن را دوباره اجرا کنید. اگر یک نشانگر در متن قابل مشاهده باقی بماند، این خارج از بررسی ذخیره‌سازی این ویژگی است. اگر پاک‌سازی ورودی PDF نیاز شماست، آن را در این نمونه جایگزین نکنید: یک بررسی جداگانه 26.10 با خطای مقدار خالی CreationDate هنگام فعال بودن پاک‌سازی داخلی شکست خورد. دامنه منبع تست‌شده مقاله Office است.

نتیجه‌گیری

با ثابت‌های ارائه‌شده شروع کنید و جفت‌های حفظ‌شده و پاک‌شده را بررسی کنید. ویژگی‌های منبع نام‌گذاری‌شده را تأیید کنید، سپس محتوای واقعی PDF را مرور کنید. ثابت‌ها را فقط پس از این که مقایسه به‌طور مورد انتظار رفتار کرد با قالب‌های تأییدشده جایگزین کنید. سیاست صادرات را نزدیک به گزینه‌های بارگذاری نگه دارید تا توسعه‌دهنده بعدی بتواند ببیند کدام ویژگی‌ها سیستم را ترک می‌کنند.

منابع اضافی