Как загрузить текст документа MS Word в C # (.NET)?
https://stackoverflow.com/questions/215620
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianВопрос
Как загрузить документ MS Word (.doc и .docx) в память (переменную) без этого?
wordApp.Documents.Open
Я не хочу открывать MS Word, я просто хочу этот текст внутри.
Вы дали мне ответ для DOCX, но как насчет DOC? Я хочу бесплатное и высокопроизводительное решение - не открывать 12.000 экземпляров Word для обработки всех из них. :( Aspose - коммерческий продукт, а 900 $ - это слишком много для того, что я делаю.
Решение
Вы можете использовать wordconv.exe, который является частью пакета обеспечения совместимости Office, для преобразования из doc в docx.
Просто вызовите команду так: " C: \ Program Files \ Microsoft Office \ Office12 \ wordconv.exe " -oice -nme InputFile OutputFile
Я не уверен, что вам нужно установить слово для запуска, но оно работает. Я использую его локально в качестве команды оболочки Windows для преобразования старых офисных файлов в формат 2007 в любое время.
Другие советы
Для документов Word в формате docx я нашел эту интересную статью в The CodeProject
Использование DocxToText для извлечения текста из файлов DOCX
В статье автор обсуждает выделение только самих слов.
Для ваших документов Word (не в формате docx), кроме использования API-интерфейсов Office и (на заднем плане) создания экземпляра Word, вы можете попробовать передать его одному из множества различных конвертеров Doc2Docx на рынке, а затем применить выше процесс для обоих.
Если вы имеете дело с docx, вы можете сделать это без какого-либо взаимодействия с Word Файл .docx на самом деле ZIP содержит файл XML, вы можете прочитать XML Пожалуйста, обратитесь по ссылкам ниже
http: / /conceptdev.blogspot.com/2007/03/open-docx-using-c-to-extract-text-for.html
Недавно я провел небольшое исследование на эту тему. Оказывается, чтобы иметь возможность программно управлять файлами слов, не открывая само слово, вам нужны очень дорогие инструменты.
В проекте, посвященном манипулированию Word, есть статья. найти это полезным. Автор создает оболочку C # COM для работы с вызовами в Word. Похоже, что это на самом деле открывает приложение Word, хотя.
Этот пост закончен на Новые форумы тоже выглядят многообещающе. Он включает в себя довольно много вызовов PInvoked для извлечения текста.
Возможно, если бы вы могли найти способ скрыть окно, это было бы приемлемо.
Aspose имеет компонент для чтения, изменения и записи документов Word. Вот ссылка на продукт: Aspose.Words для .NET и Java
Aspose.Words включает .NET и Java приложения для чтения, изменения и записи Слово & # 174; документы без использования Microsoft Word & # 174 ;. Aspose.Words поддерживает широкий спектр функций, включая создание документов, содержание и манипулирование форматированием, мощная почта способности слияния, всесторонняя поддержка DOC, OOXML, RTF, WordprocessingML, HTML, OpenDocument и PDF форматы. Aspose.Words действительно самый доступный, быстрый и многофункциональный Компонент Word на рынке.
С помощью docxtemplater вы можете легко получить полный текст слова (работает только с docx).
Вот код (Node.JS)
<код> DocxTemplater = требуется ( 'docxtemplater'); doc = new DocxTemplater (). loadFromFile (" input.docx "); Результат = doc.getFullText ();
Это всего лишь три строки кода и не зависит ни от одного экземпляра слова (все простые JS)
Я не хочу быть антагонистом, но почему?
Я извлек данные из документов Word на серверах Linux, используя Word2X или AbiWord, и в зависимости от количества и разнообразия документов всегда будут ошибки при извлечении. Это тем хуже, чем больше маркеров, разрывов страниц, разделов документов и других «специальных» сообщений. Возможности есть.
Я понимаю, что теперь есть варианты автоматизации OpenOffice для обработки документов, но я советую, если вы можете, просто использовать Word для обработки документов Word.
