如何在不安装 MS Office 且不使用互操作库的情况下读取服务器中的 MS Office 文件？答案

【问题标题】：How can I read MS Office files in a server without installing MS Office and without using the Interop Library?如何在不安装 MS Office 且不使用互操作库的情况下读取服务器中的 MS Office 文件？
【发布时间】：2013-04-16 14:20:43
【问题描述】：

互操作库很慢，需要安装 MS Office。很多时候你不想在服务器上安装 MS Office。

我想使用Apache POI，但我使用的是 .NET。

我只需要提取文件的文本部分，而不是在 Office 文件中创建或“存储信息”。

我需要告诉你，我有一个非常大的文档库，我无法将它转换为更新的 XML 文件。

我不想为二进制文件编写解析器。像 Apache POI 这样的库可以为我们做到这一点。不幸的是，它仅适用于 Java 平台。也许我应该考虑用 Java 编写这个应用程序。

我仍然没有在 .NET 中找到 POI 的开源替代方案，我想我会用 Java 编写自己的应用程序。

【问题讨论】：

这个有运气吗？我只是试图打开 Office 文档并解析嵌入的链接并记录它们。我不需要读取权限，但不能选择服务器上的 Interop 和 Office 套件。

标签： java .net apache ms-office office-interop

【解决方案1】：

对于所有 MS Office 版本：

您可以使用第三方组件，例如用于 Word 的 TX Text Controls 和用于 Excel 的 TMS Flexcel Studio

对于新的 Office (2007)：

您可以使用来自system.io.packaging 的.net 功能做一些基本的事情。请参阅http://msdn.microsoft.com/en-us/library/bb332058.aspx

对于旧办公室（2007 年之前）：

现在记录了旧的 Office 格式：http://www.microsoft.com/interop/docs/officebinaryformats.mspx。如果你想做一些非常简单的事情，你可以考虑尝试一下。但请注意，这些格式非常复杂。

【讨论】：

TX Text 控件只读取单词的文件。你知道其他是否存在吗？
@IlyaKochetov - 我正在寻找简单的 Office 文档以获取嵌入式链接，以便为我们的内容所有者进行一些监管。同样的问题，服务器上的互操作是一个糟糕的问题（许可证、安全性等）......你能想到其他什么来简单地解析它们——我根本不需要写功能。

【解决方案2】：

查看Aspose components。它们旨在模仿互操作功能，而无需在服务器上安装完整的 Office。

【讨论】：

【解决方案3】：

由于新的 docx 格式本质上是基于 XML 的文件，因此您可以使用标准 XML DOM 技术以编程方式创建和操作它们，只要您了解其结构。

这些文件基本上是带有备用文件扩展名的 zip 存档。使用 System.IO.Packaging 命名空间来访问文件的内部元素，然后将它们打开到 XmlDocument 以执行操作。

有可用于执行此操作的示例，SourceForge 上的 Office Open XML 项目可能值得寻找灵感。

至于较旧的二进制格式，这些是 MS 专有的，您可能从内部获取内容的唯一方法是通过 Office 对象模型（需要安装 Office）或第三方文件转换器/解析器。

不幸的是，没有任何第一方和原生的 .NET 平台可以处理这些文件。

【讨论】：

【解决方案4】：

您需要对这些文件做什么？如果您只想将它们流式传输给用户，那么基本文件流就可以了。如果要创建新文件（可能基于模板）发送给用户，用户可以在 Office 中打开，有多种方式或work-arounds。

如果您实际上将数据保存在 Office 文档中以供您的网站使用，那么您做错了。 Office 文档，甚至 Excel 电子表格和访问数据库，都不是与交互式网站一起使用的合适选择。

【讨论】：

没有那样的。我需要提取文件的文本部分。谢谢，再见。

【解决方案5】：

如果文档是 word 2007 格式，您可以使用 system.io.packaging 库以编程方式与之交互。

RWendi

【讨论】：

【解决方案6】：

在Java世界里，也有JExcelApi。它写得很清楚，据我所见，比 POI 干净得多。因此，即使将该代码移植到 .NET 也不是不可能的，当然这取决于您是否有足够的时间。

【讨论】：

【解决方案7】：

OpenOffice。

您可以针对它进行编程并让它为您做很多事情，而无需花钱购买服务器许可证，也无需在您的服务器上安装与它相关的漏洞。

【讨论】：

【解决方案8】：

Microsoft Excel 工作簿可以使用 ODBC 驱动程序（或者它是 OLE DB 驱动程序吗？不记得了）读取，使工作簿看起来像一个数据库表。但我不知道如果没有 Office 套件本身，该驱动程序是否可用。

【讨论】：

【解决方案9】：

您可以使用 OpenOffice。它有一个命令行转换工具：

Conversion Howto

简而言之，您在 OpenOffice 中定义一个宏，然后使用命令行调用该宏 OpenOffice 的参数。在该参数中，本地文件（Office 文件）的名称是编码。

这不是一个很好的解决方案，但它应该是可行的。

【讨论】：