将 Word 文档拆分为单独文件的最快方法

Question

我正在寻找将一个大文件拆分为小文件的最有效方法。每个小文件都是大文件中的一段。 如果大文件有大约 100 个段落，这不是问题，但如果超过 12k，则需要很长时间。

现在我正在为每个段落设置书签，接下来我将在新文件中插入每个书签（我设置书签是因为有时我必须插入多个段落，但现在我不想让示例复杂化，所以我用段落来描述我的问题）。

这是我的代码（这是一个没有额外逻辑和错误处理的简单示例）。 创建新文件、保存和关闭最耗时。

Private Sub InsertBookmarks()
    Dim p As Paragraph
    Dim counter As Long
    For Each p In ActiveDocument.Paragraphs
        counter = counter + 1
        ActiveDocument.Bookmarks.Add "File" & Format(counter, "00000#"), p.Range
    Next p
    ActiveDocument.Save
    Set p = Nothing
End Sub

Private Sub SplitToSeparateFiles()

    Dim path As String
    Dim doc As Document
    Dim b As Bookmark

    path = ActiveDocument.path & "\"

    WordBasic.DisableAutoMacros
    For Each b In ActiveDocument.Bookmarks
        Set doc = Documents.Add(Visible:=False)
        doc.Range.FormattedText = b.Range
        doc.SaveAs2 FileName:=path & b.Name
        doc.Close wdDoNotSaveChanges
    Next b

    Set b = Nothing
    Set doc = Nothing

End Sub

我考虑更改我的代码以在后台使用 WordOpenXml 处理拆分，但我没有找到任何解决方案。 如果有人对 .net 环境有任何想法，我可能会使用 VSTO 插件。

有什么更高效的方法吗？

Answer 1

这是我使用的 C# 程序的摘录，该程序使用 FreeSpire.Doc nuget 包来读取 Word 文档。我知道你的问题是 VBA，但你最后提到了 .NET，所以我认为你并不反对在 C# 或 VB 中创建一些东西（vsual studio 应该免费供小时候使用）

        using (Document document = new Document())
        {
            document.LoadFromFileInReadMode(@"C:\temp\word.docx", FileFormat.Docx);

            foreach (Section s in document.Sections)
            {
                int pCount = 0;
                foreach (Paragraph p in s.Paragraphs)
                {
                    File.WriteAllText(@"c:\temp\p"+pCount+".txt", p.Text);
                    pCount++;
                }
            }
        }

我不认为写 12,000 个文件需要几个小时，但我没有一个包含 12,000 个段落的 word 文档来测试它；告诉我你的结果？

编辑：

以下程序在配备 SSD 的 Core i7 上在 41 秒内创建了 12000 个文件：

using System;
using System.IO;

namespace ConsoleApp4
{
    class Program
    {

        static void Main()
        {
            for(int i = 0; i < 12000; i++){
                File.WriteAllText(@"c:\temp\x\" + i + ".txt", Guid.NewGuid().ToString());
            }
        }

    }
}

使用它作为基准并假设加载大量文档可能需要一分钟，我希望进行拆分的 .NET 应用程序在包含数万个文档的 word doc 上花费几分钟段落

编辑2：

创建 word 文件。真正的过程可能是这样的，如果您从源中读取每个段落并使用同一段落制作一个新文档（尝试将旧段落分配给新文档）：

        using (Document document = new Document())
        {
            document.LoadFromFileInReadMode(@"C:\temp\word.docx", FileFormat.Docx);

            foreach (Section s in document.Sections)
            {
                int pCount = 0;
                foreach (Paragraph p in s.Paragraphs)
                {
                    Document document = new Document();
                    Section s = document.AddSection();
                    s.Paragraphs.Add(p);
                    document.SaveToFile(@"c:\temp\x\" + pCount + ".docx", FileFormat.Docx);
                }
            }
        }

我在 15 秒内创建了 1200 个 word 文档：

    static void Main()
    {
        for(int i = 0; i < 1200; i++){
            Document document = new Document();
            Section s = document.AddSection();
            Paragraph p = s.AddParagraph();
            TextRange textRange1 = p.AppendText(Guid.NewGuid().ToString());
            textRange1.CharacterFormat.TextColor = Color.Blue;
            textRange1.CharacterFormat.FontSize = 15;
            textRange1.CharacterFormat.Bold = true;

            TextRange textRange2 = p.AppendText(Guid.NewGuid().ToString());
            textRange2.CharacterFormat.TextColor = Color.Black;
            textRange2.CharacterFormat.FontSize = 10;

            TextRange textRange3 = p.AppendText(Guid.NewGuid().ToString());
            textRange3.CharacterFormat.TextColor = Color.Red;
            textRange3.CharacterFormat.FontSize = 8;
            textRange3.CharacterFormat.Italic = true;

            document.SaveToFile(@"c:\temp\x\" + i + ".docx", FileFormat.Docx);

            Console.Out.Write("\r" + i);
        }
    }

我确实注意到正在进行大量的垃圾收集。如果你能弄清楚怎么做，减少它可能会加快速度