必須從word文件中提取數據

Question

我有一個特殊的問題，因爲我必須從word文件中提取信息。例如說我有一個簡歷和需要提取name，email address，phone no.，address，university，Experience等

每個其他人可能有不同format.So自己的簡歷有沒有什麼辦法讓我可以以編程方式提取我需要的信息？

我需要這些信息來填寫註冊表單。

Answer 1

使用aspose.net將word文檔轉換爲html。
然後，您可以使用正則表達式來搜索單詞和/或pdf文檔。
或者您可以使用HTMLAgilityPack解析創建的HTML文檔，並搜索特定的章節/路徑。

PS：
如果你有一個短於一頁的電子郵件正則表達式，那麼正則表達式是不正確的。
只要您只需支持一個國家，手機應該可以管理。
至於姓名和地址，祝你好運。

編輯：
像這樣

VB.NET：

Dim doc As New Aspose.Words.Document("filename.docORdocx") 
doc.Save("filename.html", Aspose.Words.SaveFormat.Html) 

C＃：

Aspose.Words.Document doc = new Aspose.Words.Document("filename.docORdocx"); 
doc.Save("filename.html", Aspose.Words.SaveFormat.Html); 

組件是在這裏：
http://www.aspose.com/.net/word-component.aspx

要找出一個有效的電子郵件地址是什麼，讀RFC 822：
http://www.faqs.org/rfcs/rfc822.html

Answer 2

即使一開始你可能會通過使用COM互操作和Asp.net的想法所吸引，不這樣做。

http://support.microsoft.com/kb/257757

這就是說，要知道哪個版本的Word，我們談論的是很重要的。較新的格式允許將它們視爲包含xml文件的zip文件，並且有免費的免費庫。

http://docx.codeplex.com/