如何從使用C＃的Word文件中提取文本？

我試圖轉換大量（100,000）字DOC文件，這些都很舊。從1995年到2000年版本的Word，我認爲。從我在這裏看到的堆棧溢出和MS文檔中，我一直圍繞着循環。如何從使用C＃的Word文件中提取文本？

我想要做的只是簡單地讀取文件，將文本粘貼到字符串中，解析字符串，取出結構的東西（該文件實際上是一個結構化的報告，看起來像Patient：Jon Doe）。那時，我知道我在做什麼。我可以解析字符串數據，將其粘貼到有用的變量中，然後將這些數據粘貼到數據庫中。但我不知道如何將文本實際放入字符串中。任何幫助？

PPS我發現this reference據說將DOC文件放入文本文件。這是一個開始，但我寧願避免做一堆文件操作。

來源

2011-06-09 Rob

你看過ifilters嗎？我在一段時間後做了一些研究，看起來他們可能很合適。這裏是一個鏈接 - http://www.codeproject.com/KB/cs/IFilter.aspx – dana 2011-06-09 02:28:30

我發現這似乎有幫助：http://stackoverflow.com/questions/1887133/easiest-way-to-process- ms-word-file-text- – Rob 2011-06-09 21:44:30

如果您嘗試使用Word對象模型，你必須始終實例Word的一個特定版本的客戶端（因爲一臺服務器上運行Word，不推薦）。不幸的是，您將依賴於Word對舊文件的限制，例如在Word 2010中，只能在沙箱模式下打開Office 95中的文件（即無法以編程方式訪問文件內容）。此外，您必須處理未知的模板內容（例如，附有宏的文檔）。

就你而言，我寧願尋找一個允許訪問內容的3p組件。我從文檔管理系統（如OpenText eDocs和Autonomy iManage）瞭解到，他們使用其他工具對所有類型的全文索引文檔進行處理，並可以在查看器應用程序中呈現內容。所以如果你朝這個方向看，可能會發現一些有用的東西。

來源

2011-06-09 06:08:40

就代碼而言，word文件只是一個普通的文件。

試試這個：

using System.IO; 

StreamReader streamReader = new StreamReader(filePath); 
string text = streamReader.ReadToEnd(); 
streamReader.Close();

來源

2011-06-09 02:28:37 Virmundi

這聽起來像他正在從文檔中提取文本，而不僅僅是讀取文件。 – dana 2011-06-09 02:32:21

如何從使用C＃的Word文件中提取文本？

回答

相關問題