如何使用F＃讀取.docx文件

Question

如何使用F＃讀取.docx文件。如果我用

System.IO.File.ReadAllText("D:/test.docx") 

它返回給我一些垃圾輸出與嘟嘟聲。

Answer 1

這裏是一個F＃代碼片段，可能會爲您提供一個快速入門。它成功地提取Word2010中創建.docx文件的所有文本內容的拼接線的字符串：

open System 
open System.IO 
open System.IO.Packaging 
open System.Xml 

let getDocxContent (path: string) = 
    use package = Package.Open(path, FileMode.Open) 
    let stream = package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream() 
    stream.Seek(0L, SeekOrigin.Begin) |> ignore 
    let xmlDoc = new XmlDocument() 
    xmlDoc.Load(stream) 
    xmlDoc.DocumentElement.InnerText 

printfn "%s" (getDocxContent @"..\..\test.docx") 

爲了使它的工作，不要忘記在你的VS項目中引用WindowsBase.dll。

Answer 2

.docx文件遵循Open Packaging Convention規範。在最底層，它們是.ZIP文件。要以編程方式讀它，看到這裏的例子：

A New Standard For Packaging Your Data

Packages and Parts

使用F＃，這是同樣的故事，你就必須在System.IO.Packaging Namespace使用類。

Answer 3

嘗試使用Microsoft的OpenXML SDK。

在鏈接頁面上還有可用於反編譯Office 2007文件的Microsoft工具。即使對於簡單的文檔，反編譯的代碼也可能相當冗長，儘管如此被警告。 OpenXML SDK有一個很大的學習曲線。我發現它很難使用。

Answer 4

System.IO.File.ReadAllText的類型爲string -> string。

因爲.docx文件是一個二進制文件，所以字符串中的某些字符可能有鈴符。請查看Word automation，Packaging或OpenXML API