c# - MVC4 c# 获取office word文档，并转换为列表

Question

所以，我有一个 office word 文档。我需要浏览文档并获取所有“单词”。然后我想将所有这些“单词”放入 List 对象中。这是我当前问题的一部分。

第 2 部分.... 节省资源的方法我可以比较 2 个“单词”以查看它们是否匹配。我找到了这个 .ddl 我不知道它是否是正确的... http://diffplex.codeplex.com/

我在这个问题 here 中找到了这段代码, 但对在我的服务器上安装 office 有依赖性，这是一个 web 应用程序..

Answer 1

假设我足够了解你的问题，我会提供一个答案，对我来说是:

第 1 部分:阅读 word 文档。

第 2 部分:比较 word 文档，我将其解释为比较从每个单词解析的字符串。

//Part 1
var applicationWord = new Microsoft.Office.Interop.Word.Application();
object filename = @"C:\Users\Omri\Desktop\Test.docx";
object missing = System.Reflection.Missing.Value;
Microsoft.Office.Interop.Word._Document oDoc;

oDoc = applicationWord.Documents.Open(filename, ref missing, ref missing, ref missing,
                 ref missing, ref missing, ref missing, ref missing,
                 ref missing, ref missing, ref missing, ref missing, ref missing, ref missing,
                 ref missing, ref missing);

这只是打开word文档。顺便说一句，您可能需要在您的服务器上安装 Office，我看到您对此很擅长。

现在解析字符串 - 我提供了一个正则表达式来从字符串中删除所有非字母数字字符，这是我的工作假设。您可以根据自己的喜好进行更改。还用图片等进行了测试，它删除了它们。

var wordsList = new List<string>();
foreach (var range in oDoc.StoryRanges)
{
      var tempString = range.Text;
      tempString = Regex.Replace(tempString, @"[^a-zA-Z0-9 -]", string.Empty);
      wordsList.AddRange(tempString.Split(new char[] { ' ' } ).ToList());
}

这为您提供了 word 文档中的字符串列表。

//Part 2
bool wordMatch = data.Count == data2.Count; //quick initial check;
//you can check for wordMatch == false and return immediately

wordsList.Sort(); //sorting in lexicographical order so will be easy to compare
wordsList2.Sort(); //this is a 2nd word document
for (int i = 0; i < data.Count; i++)
{
       if (data.ElementAt(i) != data2.ElementAt(i))
       {
           wordMatch = false;
           break;
       }
}

我想就这些了，希望对你有帮助。