c# - 如何将 MS Word 文档中的文本解析为字符串

Question

我正在尝试找到一种方法将 word 文档的文本解析为我项目中的字符串。我有 600 多个 word(.doc) 文件需要获取文本内容(如果有新行和制表符，可能)并将其分配给每个字符串。

我一直在阅读有关 Open XML SDK 的资料，但对于看起来如此简单的东西来说，它看起来相当复杂。

Answer 1

Open XML SDK 仅适用于 2007 和更新的格式，使用起来并不简单。

如果性能不是问题，您可以使用 Word 自动化并让 Word 为您执行此操作。 它看起来像这样:

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有关更完整的示例和说明。请注意，如果您的文档变得复杂(脚注、文本框、表格...)，这可能会变得有点棘手。

另一种选择是让 word 将文档另存为文本，然后读取文本文件。看看这个 - http://msdn.microsoft.com/en-us/library/microsoft.office.tools.word.document.saveas(v=vs.80).aspx