本科學位論文規(guī)范格式自動調(diào)整系統(tǒng)的設(shè)計與實現(xiàn)

劉友洪+肖文杰+胡彪+鄒澤順+駱鳳姣

摘要：在Eclipse環(huán)境下，利用實現(xiàn)了VBA接口的Jacob word接口，對Microsoft Word軟件進行二次開發(fā)，開發(fā)了一款能夠識別模板論文的文字，圖片，表格等格式，并且將其應(yīng)用到待排版論文中去的自動調(diào)整系統(tǒng)，進而實現(xiàn)了學位論文格式的規(guī)范化。

關(guān)鍵詞：論文排版；二次開發(fā)；格式識別；自動調(diào)整

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）02-0065-03

本科學位論文作為評價高校本科生學習質(zhì)量的重要指標，對于高校和大學生都非常重要。隨著高等教育的不斷發(fā)展，本科學位論文除了在內(nèi)容和創(chuàng)新方面有很高的要求之外，論文的格式同樣也備受關(guān)注。目前學位論文的格式調(diào)整工作還是由學生本人完成，指導教師糾正。一方面，學生調(diào)整論文的格式需要不少時間，從而導致在內(nèi)容創(chuàng)新上花費的精力相對更少，不僅如此，調(diào)整格式時也難免會出現(xiàn)錯誤；另一方面，指導教師發(fā)現(xiàn)論文中存在的格式錯誤也同樣不易。因此，如果能根據(jù)論文格式規(guī)范標準，利用當今發(fā)達的軟件技術(shù)來自動完成論文格式的規(guī)范工作，將會為學生和指導教師減少不必要的工作量，讓他們將更多精力集中在內(nèi)容創(chuàng)新方面，進而提高學術(shù)論文的質(zhì)量。目前市場上雖然有排版軟件，但是針對學位論文的卻并不多，而能夠自動識別格式規(guī)范并自動調(diào)查論文格式的軟件鳳毛麟角。因此就市場需求來說，開發(fā)一款專業(yè)的學位論文格式規(guī)范自動調(diào)整系統(tǒng)也顯得很有必要。

1 開發(fā)環(huán)境

1.1 VBA

Visual Basic for Applications（VBA）是Visual Basic的一種宏語言，是微軟開發(fā)出來在其桌面應(yīng)用程序中執(zhí)行通用的自動化（OLE）任務(wù)的編程語言1。主要用于擴展Windows的應(yīng)用程序功能，特別是Microsoft Office軟件。它能夠通過語言中的對象及對象的屬性來對Office文檔等對象的各類屬性進行讀取和修改，從而實現(xiàn)應(yīng)用軟件的可編程化。同時Microsoft Office軟件也為VBA語言提供了很好的開發(fā)環(huán)境，在軟件中不僅可以直接執(zhí)行VBA宏代碼，并且還能通過錄制VBA宏代碼的方式實現(xiàn)從操作到代碼的逆向轉(zhuǎn)換，更為程序開發(fā)提供了方便。本系統(tǒng)在開發(fā)過程中將VBA開發(fā)手冊與錄制宏的方式結(jié)合起來，從而大大提高開發(fā)的效率。

1.2 Jacob

Jacob接口通過在Java中調(diào)用com接口自動組件（VBA），實現(xiàn)了一種簡單，靈活的Java與COM的通信方式。在實現(xiàn)了Jacob接口的Java系統(tǒng)中，絕大多數(shù)事物和事物的屬性都可以采用不同類型的對象來表示1，其中包括：

1） word應(yīng)用對象 ActiveXComponent word

2） word文檔集對象 Dispatch Documents

3） word文檔對象 Dispatch wordFile

4） 光標及區(qū)域?qū)ο?Dispatch selection，range

5） 其他文檔屬性對象

而對于對象的操作采用的是鏈式操作法：

Dispatch 論文文檔 = Dispatch.get（word，”Document”）.toDispatch（）；

Dispatch 段落 = Dispatch.call（論文文檔，”Item ：1”）.toDispatch（）；

因而可以利用Jacob接口和Java代碼中調(diào)用文檔的各個屬性和和方法，可以實現(xiàn)對文檔格式的讀取和應(yīng)用，進而滿足了本系統(tǒng)的開發(fā)需求。

2 系統(tǒng)整體結(jié)構(gòu)設(shè)計

為了能夠提高系統(tǒng)的可讀性和可維護性，系統(tǒng)按照自頂向下的方法對系統(tǒng)功能結(jié)構(gòu)進行了設(shè)計。按照模塊的功能來分，系統(tǒng)可以被分為三個模塊，分別是格式的讀取和存儲模塊，格式設(shè)置模塊，自動生成目錄模塊。其中，格式讀取和存儲模塊可分為讀取頁面屬性、讀取正文格式、讀取頁眉頁腳等功能；格式設(shè)置模塊可分為設(shè)置文檔頁面屬性、刪除文檔多余符號、設(shè)置文檔正文格式、設(shè)置文檔頁眉頁腳格式等功能。具體的系統(tǒng)模塊劃分如圖1所示。

針對word中格式的多樣性和不定長性，系統(tǒng)采用的數(shù)據(jù)存儲結(jié)構(gòu)是全局變量String數(shù)組+鏈表的存儲結(jié)構(gòu)。讀取和存儲模塊通過導入word文檔，獲得文檔的控制和修改權(quán)限，進而對文檔的屬性和內(nèi)容格式進行讀取，并且將其轉(zhuǎn)換為String類型，最終基本有序的存放在數(shù)組當中。格式設(shè)置模塊首先打開需要進行排版的文檔，通過定位算法查找到文檔的可調(diào)整部分，并對可調(diào)整部分中被認定的無用符號進行刪除，最后再按照指定的順序?qū)ξ臋n屬性和文檔內(nèi)容的格式進行自動調(diào)整。

3 核心算法及優(yōu)化

3.1 關(guān)鍵位置定位

被調(diào)整格式的論文內(nèi)容可能包含有不需要進行調(diào)整的部分，如封面、保密協(xié)議等，因而在進行格式讀取或調(diào)整之前，需要尋找合適分界點，來對文檔的待調(diào)整內(nèi)容進行劃分1。經(jīng)過對文檔結(jié)構(gòu)的分析，系統(tǒng)需要尋找到分界點就是“目錄”。由于沒有對待排版文檔做任何的要求，因而文檔的內(nèi)容有很大的復雜性。通過歸納，待排版文檔內(nèi)容可能存在如下兩種情況：第一種情況是待排版文檔包含“目錄”段落，在上述情況下，定位算法在目錄的上方尋找到“目錄”段；第二種情況即待排版文檔不包含“目錄”，由于摘要段落是一篇完整論文所必備的成分，針對上述情況，定位算法借助“摘要”段落進行查找。第一種算法結(jié)構(gòu)描述如下：

將光標定位到摘要段落起始位置；

While（遍歷摘要段落之前的每一段）

{

獲取該段落的區(qū)域；

進行區(qū)域的文字分析；

If（包含“目”并且包含“錄”并且不包含其他文字）

{

記錄當前段落位置，退出循環(huán)；endprint

}}

上述尋找文檔關(guān)鍵位置算法的前提是“目錄”段落的存在，然而通常文檔可能并不具有這個條件。為了使系統(tǒng)具有更強的適用性，系統(tǒng)在關(guān)鍵位置查找失敗后將觸發(fā)自動插入算法，在合適的位置插入“目錄”段落。該算法的關(guān)鍵點在于尋找一個合適的插入點，通過文檔的必要的部分（摘要段）可以實現(xiàn)。

3.2 段落格式調(diào)整

根據(jù)論文段落調(diào)整格式的屬性值不同，可將段落分為兩種類型，第一種是文檔中的非正文部分，如摘要、關(guān)鍵詞等，調(diào)整的屬性包括Font（字體）、Bold（加粗）、Size（大?。┑龋坏诙N是文檔中的正文段落進行調(diào)整，調(diào)整的屬性包括Font（字體）、Bold（加粗），Size（大?。?、Alignment（對齊方式）、FirstLineIndent（首行縮進）、SpaceBefore（段前）、SpaceAfter（段后）等10種屬性。由于正文段落中可能包含標題、表格、圖片以及正文內(nèi)容，而上述幾種形式的屬性都不一致，因此需要區(qū)別對待。考慮到表格和圖片格式與文字的不同，可另處理。因此本節(jié)所述的段落格式調(diào)整只考慮正文段落中的標題和正文內(nèi)容。段落正文與標題有一定字符數(shù)的限制，據(jù)統(tǒng)計，段落正文字符數(shù)至少是40個字，而標題所包含字符則要求少于40個字，因此對于標題與段落正文的區(qū)分可通過所包含的字符數(shù)來分析。

具體而言，段落格式調(diào)整的步驟如下：系統(tǒng)首先通過上節(jié)提到的定位算法，定位文檔的起始點；接著對起始點之后的每個段落進行分析。在對段落進行分析過程中，系統(tǒng)通過Rang對象獲得待分析段落區(qū)域相對于待排版文檔起始點的起始位置（start）和結(jié)束位置（end）。接著根據(jù)區(qū)域包含的內(nèi)容和字符數(shù)進行判定。如果段落區(qū)域包含表格區(qū)域或者圖片區(qū)域（特殊區(qū)域另做處理），則跳過當次循環(huán)。否則統(tǒng)計待分析段落區(qū)域所包含的字符數(shù)，如果超過40個字，則直接判定為段落正文，可根據(jù)段落正文屬性進行調(diào)整；否則判定為標題，至于是標題級別可根據(jù)下節(jié)的標題級別判定算法進行分析。具體的算法流程如圖2所示：

3.3 標題等級識別

在段落格式的調(diào)整過程中，標題等級識別的正確性不僅影響到段落的格式，而且還會導致后期自動生成目錄的錯誤，因此這是整個系統(tǒng)的關(guān)鍵步驟。本系統(tǒng)在進行標題等級識別時，首先進行的字符數(shù)判定，而對于字符數(shù)判定合格的段落，則判定為標題。對于標題等級的識別，有兩種算法。第一種識別算法是對段落的大綱等級（OutlineLevel）進行識別和讀取，由于論文作者常常忽略了段落大綱級別的設(shè)置，因此第一種算法在很多時候往往準確度不高，因此系統(tǒng)采用第二種識別方案，即對段落的前置序號如（1.1.2）2進行識別，系統(tǒng)根據(jù)前置序號的“.”字符與數(shù)字字符的數(shù)量來綜合分析。為了消除正文中可能出現(xiàn)與前置序號類似的字符序列，系統(tǒng)對前置序號的區(qū)域進行了嚴格的限定。第二種算法的具體描述如下。

將光標定位到段落的起始位置

While（遍歷段落區(qū)域的字符）

If（當前字符為數(shù)字）

數(shù)字字符數(shù)加一；

標記若下一個字符為“.”則有效；

Else if（如果當前字符為“.”并且字符有效）

“.”字符數(shù)加一；

標記若下一個字符為“.”則無效；

Else if（如果當前字符為“ ”）

跳過此次循環(huán)；

Else

序號區(qū)域結(jié)束，結(jié)束循環(huán)；

通過上述算法，系統(tǒng)可以獲得有效的數(shù)字字符個數(shù)p和“.”字符個數(shù)n。由于一級標題在格式調(diào)整方面有著一定特殊性，因此將一級標題進行單獨處理，系統(tǒng)規(guī)定當 p=1并且n<2的情況為一級標題。其余當n！=0&&p>1的情況為 n+1級標題。

4 系統(tǒng)實現(xiàn)效果

本系統(tǒng)是為了方便本科生對畢業(yè)論文進行格式調(diào)整而開發(fā)的系統(tǒng)，因而我們采用的簡潔的軟件用戶使用界面，用戶只需要選擇模板文檔和待排版的文檔即可自動進行排版。經(jīng)過測試，待字數(shù)10000字左右的待排論文，排版過程平均耗時為3.5分鐘。論文格式調(diào)整前與調(diào)整后的效果圖如圖3、圖4所示。

5 結(jié)束語

本系統(tǒng)不是僅能對一類論文進行論文格式調(diào)整，而是對于大部分類型的論文，在用戶提供模板的前提下，均能準確的進行自動調(diào)整。本系統(tǒng)系統(tǒng)不僅極大地解放了人工勞動，而且相對于人工，其具有更高的準確性。

目前，本系統(tǒng)已經(jīng)投入使用，雖然其設(shè)計思路和代碼仍有一定的優(yōu)化空間，但已經(jīng)能夠基本實現(xiàn)論文排版要求，在提高自動排版的準確率同時減少花費的時間，使其更加智能化、人性化。

參考文獻：

[1] 李愛玲， 李湘江. 基于VBA的Word文檔自動評閱技術(shù)研究[J]. 科學技術(shù)與工程， 2008， 8（17）.

[2] 金保華， 李金旭. 基于JACOB的Java通用WordWriter組件設(shè)計[J]. 鄭州輕工業(yè)學院學報：自然科學版， 2001， 26（3）.

[3] 何偉平， 張曉東. 學位論文自動規(guī)范化排版系統(tǒng)的設(shè)計[J]. 廣東化工， 2015， 1（42）.

[4] 潘若瑛， 張忠能. 多模板多格式論文校驗與自動排版系統(tǒng)的研究[J]. 微型電腦應(yīng)用， 2013， 29（3）.endprint