如何使用字符串生成器读取 word 文档内容？

Question

我已将文件上传到服务器。如何使用 c# 读取内容并显示它。 我使用字符串生成器来提取内容，并将其显示在多行文本框中。

我使用的代码是：-

string[] readText = File.ReadAllLines(path);

StringBuilder strbuild = new StringBuilder();
foreach (string s in readText)
{
    strbuild.Append(s);
    strbuild.AppendLine();
}
txtPreview.Text = strbuild.ToString();

问题在于，顶部和底部显示了某种额外的不可读字符，可能是某种加密文本。如何删除这些字符，只显示内容？

Microsoft.Office.Interop.Word.Document doc = Application.Documents.Open(ref file, ref nullobj, ref nullobj,
                                                  ref nullobj, ref nullobj, ref nullobj,
                                                  ref nullobj, ref nullobj, ref nullobj,
                                                  ref nullobj, ref nullobj, ref nullobj,
                                                  ref nullobj, ref nullobj, ref nullobj, ref nullobj);
doc.Activate();
string Doc_Content = doc.Content.Text;
string str = Doc_Content;
var words = str.Split(new char[] { ' ', ':', '\r', '\t' });

for (int i = 0; i < words.Length; i++)
{
    string val1 = words[i].ToString();
}

更新： 我正在使用 Microsoft 互操作库，并且能够将 word 文档的内容显示到多行文本框中。

我创建了一个字符串变量 str 来保存 word 文件的所有内容。和一个数组 word[] 来存储单词。 我现在面临的问题是：- 读单词。如果第一个词是“你好”，我需要阅读第二个和第三个词。 如果第一个词是“hello”，第二个词是“world”，我需要阅读第三个和第四个词。否则，我需要阅读第一个和第二个单词。 如何做到这一点？

Answer 1

Word 文档不是基本文本。根据版本，它们是“包”（压缩 xml）或自定义二进制格式。因此，您要么需要破解包并阅读 xml（不建议）或使用库。

作为 .NET 框架的一部分的 OpenXml 将使您能够打开 Word.docx 文件并使用它们。 this example 中有一些有用的 sn-ps。如果您不想关注Msft documentation，也可以找到this 等基础教程。

有像NPOI 这样的非msft 库可以帮助处理.doc 和.docx 文件。

要使用互操作，您需要在处理文档的服务器上安装 Office。为此，可以无头运行 word。但是，我个人不会推荐它。