搜索文檔

我目前正在研究一個項目，我需要通過代碼搜索單詞文檔中的短語和單詞。搜索文檔

基本上，一個Word文檔將被上傳，然後搜索一些單詞。什麼是最有效的方法來做到這一點？

編輯：我更感興趣的是用什麼來閱讀文檔（即MS Interop是最好的方式？），然後如果在搜索之前索引它會非常有利（如果是這樣的話？）。

編輯：搜索可能會有數以千計的短語。

來源

2011-08-26 Murdock

System.Text.RegularExpressions.Regex – Arun

Open a word document in C#

之後，它只是一個使用Contains法，或者類似的東西的問題。這真的不是那麼難。你可能想要看小寫字母和大寫字母。

而就在做這樣的事情：（僞碼）

string[] stuffToFind = new string[] {"Google", "is your best friend"}; 

for (int i = 0; i < stuffToFind.Length; i++;) 
{ 
    for (int j = 0; j < document.Length; j++) 
    { 
     if(document[j].Contains(stuffToFind[i])) 
      Console.Writeline("Yeay, we found something"); 
    } 
}

我真的不喜歡這種解決方案雖然。這也取決於文檔對象的外觀。

來源

2011-08-26 22:33:59

正則表達式是查找模式的好方法。你可以找到有關此相同：

REGEX

來源

2011-08-29 02:34:13 pathfinder666

基本上你可以使用一個免費的圖書館從MS叫OpenXML SDK 2打開word文檔（以Word 2007和向上的作品）......這個庫作品，未經需要安裝字......然後你就可以提取文本和搜索反正你喜歡 - 例如用System.Text.RegularExpressions.Regex ...

當您通過存儲與環境中的所有詞/短語提取文本你可以索引它信息（posision等）在一個數據庫中，所以你只需要從數據庫SELECT當用戶給你的短語搜索 - 索引的設計取決於你 - 你需要不區分大小寫的搜索嗎？等

另一種選擇是使用Solr/Lucene索引，並通過API訪問索引提供搜索的UI ......

來源

2011-08-29 02:51:31 Yahia

回答

相關問題