Marklogic MarkMail预览

任何人都可以在其附件软件中共享MarkLogic用于为附件生成预览图像的软件吗？它似乎在办公室文件方面也做得很好。我尝试将OpenOffice转换为PDF格式，然后用PDF格式为每个页面生成图像，但转换效果不佳，尤其是在文档中嵌入图像时

我试图创建一个CPF任务，将文档（所有类型或最常用的类型）转换为单个页面的图像（如果存在）。事实证明，Office文档尤其是Excel和PPT很麻烦。我还想保留从文件中提取的文本的页码。。还有其他的东西，比如标题，页眉，页脚等等。。因此，在编写代码片段时，我可以使用这些标记来突出显示（实际上，我想做的是markmail的工作：）

---

任何建议都会非常有用。

我们在MarkMail.org上所做的是使用外部“无头”OpenOffice.org流程将每个Office文件格式“打印”为PDF。然后我们使用从每个页面生成图像和缩略图。如果您在这一步中遇到问题，可能是因为您使用的是ImageMagick，我们发现它不如PDF2Image强大

我们使用MarkLogic的internal

xdmp:pdf convert

捕获pdf每页上的文本。我们将提取的文本嵌入到电子邮件文档中以使其可搜索，并将URI嵌入到各种二进制文件中

我们使用Java加载器来驱动流程（使用相当复杂的Java类来驱动OpenOffice.org）。我们注意到OpenOffice.org有时会陷入困境，所以我们也有一个外部监控过程，当这种情况发生时，它会启动OOo。加载OpenOffice.org邮件列表是一个特别的挑战，因为列表中满是写着“嘿，附件导致OpenOffice.org大问题”的人。是的

我们没有使用CPF。所有电子邮件都是通过相同的Java管道加载的，因此不需要

我们学到了一些有趣的东西：现在Java加载程序将文件“推”到OpenOffice.org进行转换。更好的方法是先加载邮件，然后让客户端处理轮询需要处理Office文件的新邮件。拉模式会使OpenOffice.org随时可用变得不那么重要。它还可以使改进管道后重新运行过去的处理变得更容易，就像OpenOffice.org升级后一样

---

总而言之，我们对这个系统很满意。希望这对您有所帮助。

非常感谢您提供的信息。。我使用相同的机制转换为pdf，但我注意到它在PPT和Excel中的表现不正常。。它会放松格式，有时还会将文本放在错误的位置。。你遇到过同样的情况吗？xdmp:pdf隐藏，将保留页码等。。什么时候提取文本？你是说OpenOffice.org做得不对？我们已经取得了很好的成功，但您的问题可能是我们从未尝试过的pptx和xlsx文件，因为它们是在我们上线后添加到OOO3.x中的。如果您认为需要Java文件来驱动该过程，请在twitter上以与此处相同的句柄向我发送消息。pdf转换可以保留页码，是的。如果您有问题，需要示例代码，请给我留言。