如何将 MS Word 文档中的文本解析为字符串答案

【问题标题】：How to parse text from MS Word document to string如何将 MS Word 文档中的文本解析为字符串
【发布时间】：2013-07-16 12:36:12
【问题描述】：

我正在尝试找到一种方法将 word 文档的文本解析为项目中的字符串。我有 600 多个 word(.doc) 文件需要获取文本内容（如果使用新行和制表符）可能）并将其分配给每个字符串。

我一直在阅读有关 Open XML SDK 的资料，但对于看起来如此简单的东西来说，它看起来相当复杂。

【问题讨论】：

.doc 或 .docx? .doc 是 MS Word 2003 和更早的格式 - 我不相信它们是像 .docx 这样的 XML 文档
所有文件都是.doc格式

标签： c# parsing text ms-word

【解决方案1】：

Open XML SDK 仅适用于 2007 及更新的格式，使用起来并不简单。

如果性能不是问题，您可以使用 Word 自动化并让 Word 为您执行此操作。它看起来像这样：

var app = new Application();
var doc = app.Documents.Open(documentLocation);

string rangeText = doc.Range().Text;

doc.Save();
doc.Close();

Marshal.ReleaseComObject(doc);    
Marshal.ReleaseComObject(app);

查看http://www.codeproject.com/Articles/18703/Word-2007-Automation 或http://www.codeproject.com/Articles/21247/Word-Automation 以获得更完整的示例和说明。请注意，如果您的文档很复杂（脚注、文本框、表格...），这可能会变得更加棘手。

另一种选择是让 word 将文档保存为文本，然后读取文本文件。看看这个 - http://msdn.microsoft.com/en-us/library/microsoft.office.tools.word.document.saveas(v=vs.80).aspx

【讨论】：

【解决方案2】：

你可以看看NPOI:

该项目是 POI Java 项目的 .NET 版本，位于 http://poi.apache.org/。 POI 是一个开源项目，可以提供帮助你读/写 xls、doc、ppt 文件。应用广泛。

查看this 以前的 SO 线程以获取更多信息。

【讨论】：

如何在我的解决方案中准确引用该项目？
@mathinvalidnik：您通常会下载所需的 DLL 文件并将它们包含在您的参考资料中。或者，假设这些 DLL 位于其存储库中，您可以获取 Visual Studio (NuGet) 的插件来为您执行此操作。
我真的不知道该选择哪些以及以后如何使用它们（实例化类，使用它们的方法等等）。
@mathinvalidnik：通常您只需下载 DLL 并从您的项目中创建一个引用。这将反过来使 Visual Studio 导入您的 DLL 中指定的代码，以便您可以使用它。您应该能够在网上找到大量有关如何执行此操作的教程。
是的，我知道应该怎么做，但我特别提到了 GitHub 上的这个 NPOI 项目。