必须从word文件中提取数据

Question

我有一个特殊的问题，我必须从word文件中提取信息。比方说，我有一份简历，需要提取name，email address，phone no.，address，university，Experience等。

其他每个人都可能以不同的格式提供简历。那么我有什么方法可以通过编程方式提取我需要的信息吗？

我需要这些信息来填写表格进行注册。

Answer 1

使用aspose .net将word文档转换为html 然后，您可以使用正则表达式搜索单词和/或pdf文档 或者，您可以使用HTMLAgilityPack来解析创建的HTML文档，并搜索特定的部分/路径。

PS：
如果您的电子邮件的正则表达式短于一页，则正则表达式不正确 只要您只支持一个国家，电话就应该是可管理的 至于姓名和地址，祝你好运。

修改
喜欢这个

VB.NET：

Dim doc As New Aspose.Words.Document("filename.docORdocx")
doc.Save("filename.html", Aspose.Words.SaveFormat.Html)

C＃：

Aspose.Words.Document doc = new Aspose.Words.Document("filename.docORdocx");
doc.Save("filename.html", Aspose.Words.SaveFormat.Html);

组件在这里：
http://www.aspose.com/.net/word-component.aspx

要了解有效的电子邮件地址，请阅读RFC 822：
http://www.faqs.org/rfcs/rfc822.html

Answer 2

即使起初你可能会被使用Com Interop和Asp.net的想法所吸引，也不要这样做。

http://support.microsoft.com/kb/257757

那就是说，知道我们在说什么版本的词是很重要的。较新的格式允许将它们视为包含xml文件的zip，并且有很好的免费库。

http://docx.codeplex.com/