转换 docx 并上传到 sql 表

Question

我有一个 docx 格式的 word 文档，其中的数据采用重复格式模式。

我想从重复集中取出每个数据并上传到 SQL 表中的一行。

此处的数据示例：

Question No : 1
How is LINQ to SQL different from Entities?

A. Answer 1
B. Answer 1
C. Answer 1
D. Answer 1

Answer : D
Explanations : 
Some explanation.

Question No : 2
How is NVARCHAR different from VARCHAR

A. Answer 1
B. Answer 1
C. Answer 1
D. Answer 1

Answer : D
Explanations : 
Some explanation.

我能想到几种方法：
- 使用 Office API 以 docx 格式阅读文档
- 从 Word 将文档另存为 XML 并解析 XML [转换后的 XML 文档似乎没有结构/架构]
- 从 Word 中将文档另存为 HTML 并解析 HTML [DOM 结构格式不正确]

您会建议以上哪一项，为什么？是否有任何工具可以帮助转换文档并上传到 SQL 表或访问数据库？

谢谢！

Answer 1

DOCX 只是 XML 文件的 ZIP 目录树。使用 WinZip 或 7-Zip 将其解压缩到一组子目录中。将这些 XML 文件上传到 SQL Server，添加它们的文件名和文件夹路径。 使用 SQL Server XML 方法（.node 等）将它们分解成您想要的关系形式。

请注意，它们确实具有 XML 模式和结构。

Answer 2

如果您不经常处理这些文件，那么我会说将其保存为不同的格式（更易于通过 SQL 处理）——甚至可能是纯文本格式。 如果要定期执行此过程（将此文件导入数据库） - 进行本机 DOCX 处理，而不将其转换为中间格式。 快速谷歌搜索显示有可用的组件可以将 docx 格式读入数据库（例如http://www.brothersoft.com/code-library-for-.net-(sql-server-msde)-22050.html）