如何将 MS Word 文档中的文本解析为字符串

Question

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。我有超过 600 个 word(.doc) 文件，我需要它们来获取文本内容（如果可能的话，使用新行和选项卡）并且为每一个将其分配给一个字符串。

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

Answer 1

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

如果性能不是问题，您可以使用 Word Automation，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);

请参阅http://www.codeproject.com/Articles/18703/Word-2007-Automation或http://www.codeproject.com/Articles/21247/Word-Automation了解更完整的示例和说明。请注意，如果您的文档非常复杂（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