此博客仅为展示文档使用，为文档的一部分截取，详细可在项目文件夹中查看
C705团队代码说明文档
该文档为C705团队根据以前学霸项目Pipeline以及本团队所实现的所有代码的基础上进行注释说明所得。
C705团队主要修改的类为：OtherToHtml, DataMining, Denoising, WordSegment, GoogleTranslator, MainWindow
其他类大部分为以前团队所写代码，其中大部分注释为本团队标注，仅供参考用。
class OtherToHtml
{
public interface IcDocument
{
void TransformDocument();
}
public abstract class BaseDocument
{
/// <summary>
/// 目標文件夾
/// </summary>
protected string TargetFolder;
/// <summary>
/// 原文件
/// </summary>
protected string source;
/// <summary>
/// 目標文件
/// </summary>
protected string Target;
protected virtual void GetCurrentTarget()
{
if (!Directory.Exists(TargetFolder))
{
Directory.CreateDirectory(TargetFolder);
}
FileInfo temp = new FileInfo(source);
string fileName = temp.Name + ".html";
Target = TargetFolder + @"\" + fileName;
}
public BaseDocument(string TargetFolder, string source)
{
this.source = source;
this.TargetFolder = TargetFolder;
GetCurrentTarget();
}
}
public class FactoryDocument
{
/// <summary>
/// 得到操作的文檔
/// </summary>
/// <param name="TargetFolder">生成的文件夾</param>
/// <param name="source">要讀取的文件</param>
/// <returns></returns>
public static IcDocument GetDocoment(string TargetFolder, string source)
{
FileInfo file = new FileInfo(source);
IcDocument document = null;
if (file.Exists)
{
switch (Path.GetExtension(source).ToUpper())
{
case ".PDF":
document = new PdfDocument(TargetFolder, source);
break;
}
}
else
{
MessageBox.Show("文件沒有找到");
}
return document;
}
internal static IcDocument GetDocoment(DirectoryInfo directoryInfo, string curItem)
{
throw new NotImplementedException();
}
}
public class PdfDocument : BaseDocument, IcDocument
{
public PdfDocument(string TargetFolder, string source)
: base(TargetFolder, source)
{
}
函数功能：将读到的pdf文件转化为txt文件
输入：要转化的文件的路径
输出：转化好的文件
public void pdf2txt(FileInfo file)
{
PDDocument doc = PDDocument.load(file.FullName);
PDFTextStripper pdfStripper = new PDFTextStripper();
string text = pdfStripper.getText(doc);
StreamWriter swPdfChange = new StreamWriter(Target, false, Encoding.GetEncoding(65001));
swPdfChange.Write(text);
swPdfChange.Close();
}
函数功能：处理txt文件，清理转化失败的标识符，图片等乱码
输入：要处理的文件的路径
输出：处理好的文件
public void handletxt()
{
String path = Target;
String[] lines = File.ReadAllLines(path);
List<String> list = new List<String>();
foreach (String line in lines)
{
if (line.Length > 4)//长度小于4的行，视为处理失败的行
list.Add(line);
}
lines = list.ToArray();
File.WriteAllLines(path, lines);//将处理结果写回文件
}
函数功能：处理pdf文件
输入：要处理的文件的路径
输出：已经处理过并且去除部分乱码的文件
public void TransformDocument()
{
FileInfo pdffile = new FileInfo(source);
if (pdffile.Exists)
{
pdf2txt(pdffile);
handletxt();
}
else
{
Console.WriteLine("The File is NOT Exist.");
}
}
}
}
}