如何在公文套红中调整版记位置

本文介绍了如何利用zOffice提供的云端Office能力,特别是其JSSDK,自动调整公文版记以满足严格的格式需求,包括版记置于偶数页末尾等功能,提升文档处理效率和一致性。
部署运行你感兴趣的模型镜像

在公文的场景中,往往对格式有很严格的要求,如果全部由人工手动去调整,可能耗时耗力又效果不尽人意。尤其是对于版记来说,公文中的版记应置公文最后一页,而且需要在偶数页面,版记的最后一个要素置于最后一行这个听起来就很复杂的格式有什么好办法解决吗?当然有!使用zOffice JS SDK即可!

一、zOffice简介

zOffice提供云端Office能力,包括Word、Excel、PPT三类办公文档的在线协同编辑,通过专业级的文档能力,高效的协作体验,内容级的安全管控,丰富的集成开发接口,来赋能企业的业务系统,帮助业务系统实现文档在线预览和编辑,文档操作过程全部线上进行,完成在线办公的场景闭环。官网链接:Filez文档中台|文档在线编辑预览集成|专业级文档处理赋能

作为在线文档编辑服务,zOffice提供丰富的API,可以实现对Excel,Word等文档的内容进行操作。

二、zOffice如何使用

在应用了套红后,因为内容不同,版记可能会不满足上述要求。

zOffice在套红场景下提供了自动调整版记的功能:

使用流程如下:

首先打开套红页面,选择套红模板和需要进行套红的公文文档:

 然后进行必要的替换内容填写(切记要勾选“调整尾注位置”):

然后点击应用,等待结果:

 

可以看到版记已经被调整到了偶数页的末尾。

那么这种功能是如何做到的呢?

在SDK中会调用moveFootArea 方法来自动调整尾注:

app.OAExtention.moveFootArea(app, id, { sep: 'pagebreak' }}

如果对效果不够满意,则可以通过修改第三个参数 {sep} 来进行行为控制

三、实现逻辑

  1. 把整个版记设置为书签
  2. 获取到书签所在的位置信息:在哪个页面,所在段落
  3. 如果是奇数,插入一个分页符(或者通过多个空行)来将版记推到偶数页
  4. 计算版记前面需要多少行才能被放在页面末尾,然后通过插入空行来完成

四、代码逻辑

以下代码均为逻辑示例,实际操作请通过SDK相关接口来完成

// 假设提前通过 ui 设置了书签,名为版记
// 通过书签拿到版记的段落
const para = getBookMarkPara("版记");
// 获取页面信息
const page = getPageInfo(para);
// 奇数页,插入分页符来把版记调整到偶数页
// 或者通过计算插入回车符
if(page.pageNumber % 2) {
  // 把光标移动到段首
    moveToPosition(para, 0);
  // 插入分页符
    execCommand('pagebreak');
}

// 这时候版记已经在偶数页了
// 接着计算需要多少空行才能调整到尾部
// 剩余可用高度为页面高度 - 版记高度 - 版记之前的高度
// 这些数值均可以通过合适的 SDK 接口来获取到
let freeHeight = pageHeight - paraHeight - beforeSpace; 
const lineHeight = getFirstLineHeight() ;// 版记段落第一行的高度
const lineCount = Math.floor(lineHeight / freeHeight); // 需要的空行数量
execCommand('enter', lineCount); // 添加指定数量空行

五、总结

至此,对版记位置的处理就结束了,是不是很简单呢?通过zOffice即可方便快捷地对公文进行套红处理,其中就包括了对版记位置调整,解放双手的同时还可以提高效率,何乐而不为呢?

您可能感兴趣的与本文相关的镜像

Dify

Dify

AI应用
Agent编排

Dify 是一款开源的大语言模型(LLM)应用开发平台,它结合了 后端即服务(Backend as a Service) 和LLMOps 的理念,让开发者能快速、高效地构建和部署生产级的生成式AI应用。 它提供了包含模型兼容支持、Prompt 编排界面、RAG 引擎、Agent 框架、工作流编排等核心技术栈,并且提供了易用的界面和API,让技术和非技术人员都能参与到AI应用的开发过程中

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值