如何在C＃（.NET）中加載MS Word文檔的文本？

Question

如何加載MS Word文檔（doc和docx）內存（變量）沒有這樣做？：

wordApp.Documents.Open

我不想打開微軟Word ，我只是想在裏面的文字。

你給了我DOCX的答案，但DOC呢？我想要免費的高性能解決方案 - 不要打開12.000個Word實例來處理所有這些問題。 :(Aspose是商業產品，並且900 $是我做的太多的方式。

Answer 1

您可以使用屬於Office兼容包的wordconv.exe從doc轉換爲docx。

http://www.microsoft.com/downloads/details.aspx?familyid=941b3470-3ae9-4aee-8f43-c6bb74cd1466&displaylang=en

只需調用命令，如下所示： 「C：\ Program Files文件\的Microsoft Office \ OFFICE12 \ wordconv.exe」 -oice -NMe INPUTFILE OUTPUTFILE

我不知道，如果你需要爲它安裝字來運行，但它確實有效。我在本地使用它作爲windows shell命令，將舊辦公文件轉換爲2007格式，只要我想要。

Answer 2

如果你正在處理docx，你可以用這個做任何與Word .docx文件實際上一個ZIP包含一個XML文件，可以讀取XML 請參考以下鏈接

http://conceptdev.blogspot.com/2007/03/open-docx-using-c-to-extract-text-for.html

Office (2007) Open XML File Formats

Answer 3

對於DOCX格式的Word文檔，我發現在CodeProject上

這個有趣的文章3210

Using DocxToText to Extract Text from DOCX Files

在這篇文章中，作者討論了只剝去單詞本身。

對於您的文檔（非docx）Word文檔除了使用Office API和（在後臺）產生一個Word實例，您可以嘗試脫殼到市場上許多不同的Doc2Docx轉換器之一，然後應用上述過程都適用。

Answer 4

我不是要成爲一個對手，但爲什麼？

我已經從使用Word2X或AbiWord的Linux服務器上的Word文檔中提取數據，並且根據文檔的數量和種類的不同，總是會出現提取錯誤。更多的子彈，分頁符，文檔部分和其他「特殊」功能越糟糕。

我知道現在有些選項可以自動化OpenOffice來處理文檔，但是我的建議是，如果可以的話，只需使用Word來處理Word文檔。

Answer 5

我最近做了一些關於這個話題的研究。事實證明，爲了能夠在不打開單詞的情況下以編程方式操作單詞文件，您需要一些非常昂貴的工具。

有一篇關於code project on manipulating Word的文章，您可能會覺得它很有用。作者構建了一個用於處理對Word的調用的C＃COM包裝器。它看起來像它實際上彈出打開字應用程序。

This post over at the neowin forums看起來也很有希望。它包含了很多用於文本提取的PInvoked調用。

也許如果你能找到一種方法來保持窗口隱藏它可以接受。

Answer 6

Aspose有一個組件可以讀取，修改和編寫Word文檔。 這裏是產品鏈接：Aspose.Words for .NET and Java

Aspose.Words使能。NET和Java 應用程序讀取，修改和編寫 Word®文檔，而不使用 MicrosoftWord®。使用Aspose.Words支持 一系列廣泛的功能，包括 文檔的創建，內容和格式 操作，強大的郵件合併 能力，全面支持DOC的 ，OOXML，RTF，WordprocessingML中， HTML和OpenDocument和PDF格式。 Aspose.Words是市場上最實惠，最快，功能最豐富的 。

Answer 7

使用docxtemplater，您可以很容易地得到一個單詞的全文（僅適用於docx）。

下面的代碼（node.js的）

DocxTemplater=require('docxtemplater'); doc=new DocxTemplater().loadFromFile("input.docx"); result=doc.getFullText();

這僅僅是三行代碼，並且不依賴於任何字實例（所有純JS）