C＃でワード（DOCX）ドキュメントからテキストをつかむためにどのように？

Question

私は、Word文書からプレーンテキストを取得しようとしています。具体的には、XPathは私に迷惑を与えています。どのようにしてタグを選択しますか？ここで私が持っているコードです。

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

あなたの問題は、XML名前空間です。 SelectNodesは、完全な名前空間に<w:t/>を翻訳する方法がわかりません。したがって、あなたは、2番目の引数としてXmlNamespaceManagerを受け取るオーバーロードを使用する必要があります。私はあなたのコードを少し変更し、動作しているようです。

    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

Open XML形式SDK 2.0を見てみましょうに。そここのような文書を処理する方法についていくつかの例、。

私はそれを使用していないものの、この Open OfficeのXML C＃ライブラリは、あなたができることをを同様に見てみます。