Comment saisir le texte du mot (docx) Document en C #?

Question

Je suis en train d'obtenir le texte brut à partir d'un document Word. Plus précisément, le XPath me donne du mal. Comment sélectionnez-vous les balises? Voici le code que j'ai.

public static string TextDump(Package package)
{
    StringBuilder builder = new StringBuilder();

    XmlDocument xmlDoc = new XmlDocument();
    xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());

    foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t"))
    {
        builder.AppendLine(node.InnerText);
    }
    return builder.ToString();
}

Answer 1

Votre problème est le XML namespaces. SelectNodes ne sais pas comment traduire <w:t/> à l'espace de noms complet. , Vous devez donc utiliser la surcharge, qui prend un XmlNamespaceManager comme second argument. J'ai modifié votre code un peu, et il semble fonctionner:

    public static string TextDump(Package package)
    {
        StringBuilder builder = new StringBuilder();

        XmlDocument xmlDoc = new XmlDocument();
        xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());
        XmlNamespaceManager mgr = new XmlNamespaceManager(xmlDoc.NameTable);
        mgr.AddNamespace("w", "http://schemas.openxmlformats.org/wordprocessingml/2006/main");

        foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t", mgr))
        {
            builder.AppendLine(node.InnerText);
        }
        return builder.ToString();
    }

Answer 2

Jetez un oeil à la format Open XML SDK 2.0 . Il quelques exemples sur la façon de traiter les documents, comme ceci .

Bien que je ne l'ai pas utilisé, il y a cette Open Office XML C # Bibliothèque que vous pouvez jetez un oeil à aussi bien.