Início / user-6125779

Kishieel's questions

Martin Hope
Kishieel
Asked: 2025-04-07 17:50:09 +0800 CST
  • 6

Estou procurando uma maneira de adicionar metadados legíveis por máquina aos relatórios DOCX que gero. O objetivo é permitir que os usuários modifiquem os estilos do documento e o carreguem novamente no sistema, preservando os metadados.

Na primeira tentativa, ingenuamente tentei armazenar os metadados nos comentários, mas notei que alguns editores, especificamente o Microsoft Word, removem meus comentários e geram um arquivo DOCX sem eles após a modificação.

Também experimentei tags de documentos estruturados, mas tanto o Google Docs quanto o Microsoft Word as removem após a modificação de estilos.

Por fim, tentei usar XML personalizado, mas tanto o Google Docs quanto o Microsoft Word removeram os atributos e tags que adicionei.

Pesquisei bastante, mas não encontrei nenhuma solução que funcionasse. Alguém já passou por um problema semelhante e pode dar algum conselho?

PS1

Como há muitas linhas mesmo em arquivos DOCX pequenos, criei um repositório minimalista para mostrar melhor o que tentei até agora. Cada tentativa é colocada em um diretório separado. Cada diretório contém:

  • Document.docx — o arquivo base criado manualmente com alguns metadados ocultos.
  • ModifiedWithGoogle.docx e ModifiedWithWord.docx — o resultado após a edição do documento no Google Docs ou no Microsoft Word.
  • Conteúdo descompactado de cada arquivo .docx para facilitar a inspeção do XML interno.

Repositório: https://github.com/kishieel/docx-metadata

Na primeira tentativa, adicionei metadados usando comentários. Isso funcionou bem com o Google Docs, onde os comentários foram preservados mesmo quando o texto foi movido usando recortar e colar. No entanto, o Microsoft Word removeu todos os comentários. Talvez o Word espere uma maneira diferente de criar comentários?

Exemplo de entrada:

<!-- 1_comments/Document/word/document.xml -->
<w:document ...>
  <w:body>
    <w:p>
      <w:commentRangeStart w:id="0" />
      <w:r>
        <w:t xml:space="preserve">Lorem ipsum dolor sit amet, consectetur adipiscing elit. Mauris quis mollis tellus. Aenean at maximus nunc.</w:t>
      </w:r>
      <w:commentRangeEnd w:id="0" />
    </w:p>
  </w:body>
</w:document>

<!-- 1_comments/Document/word/comments.xml -->
<w:comments ...>
  <w:comment w:id="0" w:date="2025-04-07T09:10:21.783Z">
    <w:p>
      <w:r>
        <w:t xml:space="preserve">Some metadata #1</w:t>
      </w:r>
    </w:p>
  </w:comment>
</w:comments>

Na segunda abordagem, tentei usar SDTs. Nesse caso, o Microsoft Word os preservou (embora tenha dividido cada frase em palavras separadas, o que pode ser o comportamento padrão ou algo ter dado errado). O Google Docs os removeu completamente do arquivo modificado.

Exemplo de entrada:

<!-- 2_structured_document_tags/Document/word/document.xml -->
<w:document ...>
  <w:body>
    <w:p>
      <w:sdt>
        <w:sdtPr>
          <w:tag w:val="Some metadata #1" />
          <w:alias w:val="Some alias #1" />
        </w:sdtPr>
        <w:sdtContent>
          <w:r>
            <w:t xml:space="preserve">Lorem ipsum dolor sit amet, consectetur adipiscing elit. Mauris quis mollis tellus. Aenean at maximus nunc.</w:t>
          </w:r>
        </w:sdtContent>
      </w:sdt>
    </w:p>
  </w:body>
</w:document>

Fornecerei o exemplo XML personalizado quando estiver pronto.

ms-word