如何從MS Word文檔解析文本到字符串

我想找到一種方法來解析word文檔的文本到我的項目中的字符串。我有超過600個字（.doc）文件，我需要獲取文本內容（如果可能，使用新的行和標籤）並將其分配給每個字符串。如何從MS Word文檔解析文本到字符串

我一直在閱讀關於Open XML SDK的東西，但看起來相當複雜，看起來很簡單。

來源

2013-07-16 mathinvalidnik

'.doc'或'.docx'？ '.doc'是MS Word 2003格式和更早版本 - 我不相信它們是XML文檔，例如'.docx' – crush

所有文件都是.doc格式 – mathinvalidnik

你可以在NPOI給看看：

該項目是POI Java項目在 http://poi.apache.org/ .NET版本。 POI是一個開放源代碼項目，可以幫助您讀取/寫入xls，doc，ppt文件。它有着廣泛的應用。

看看this以前的SO線程獲取更多信息。

來源

2013-07-16 12:56:02 npinti

我如何在我的解決方案中正確引用該項目？ – mathinvalidnik

@mathinvalidnik：您通常會下載所需的DLL文件並將其包含在您的參考文獻中。或者，你可以得到一個用於visual studio的插件（NuGet）來爲你做，假設這些DLL在它的倉庫中。 – npinti

我真的不知道應該選擇哪些以及如何使用它們（Instatiate類，使用它們的方法等）。 – mathinvalidnik

Open XML SDK僅適用於2007和更新的格式，使用起來並不簡單。

如果性能不是問題，您可以使用Word Automation並讓Word爲您做這件事。它會是這個樣子：

var app = new Application(); 
var doc = app.Documents.Open(documentLocation); 

string rangeText = doc.Range().Text; 

doc.Save(); 
doc.Close(); 

Marshal.ReleaseComObject(doc);  
Marshal.ReleaseComObject(app);

看看http://www.codeproject.com/Articles/18703/Word-2007-Automation或http://www.codeproject.com/Articles/21247/Word-Automation爲更完整的例子和說明。請注意，如果您的文檔變得複雜（腳註，文本框，表格...），這可能會變得更加棘手。

另一種選擇是將文檔保存爲文本，然後讀取文本文件。看看這個 - http://msdn.microsoft.com/en-us/library/microsoft.office.tools.word.document.saveas(v=vs.80).aspx

來源

2013-07-21 05:51:42 Vadim

如何從MS Word文檔解析文本到字符串

回答

相關問題