Question

我正在尝试转换大量（100,000）的单词DOC文件，这些都很老了。从1995年到2000年的Word版本，我想。我继续在堆栈溢出和MS文档中看到的圈子。

我想要的是简单地读取文件，将文本粘贴到字符串中，解析字符串，取出结构内容（文件实际上是结构化报告，看起来像患者：Jon Doe）。那时，我知道我在做什么。我可以解析字符串数据，将其粘贴到有用的变量中，然后将这些数据粘贴到数据库中。但我不知道如何将文本实际放入字符串中。有什么帮助吗？

PPS我找到this reference，据说将DOC文件放入文本文件中。这是一个开始，但我宁愿避免做一堆文件操作。

Answer 1

如果您尝试使用Word对象模型，则必须始终在客户端上实例化某个版本的Word（因为不建议在服务器上运行Word）。不幸的是，你将依赖Word对旧文件的限制，例如：在Word 2010中，您只能以沙盒模式打开Office 95中的文件（即，您无法以编程方式访问文件内容）。此外，您还必须处理未知模板内容（例如附带宏的文档）。

在您的情况下，我宁愿寻找允许访问内容的3p组件。我从OpenText eDocs和Autonomy iManage等文档管理系统中了解到，他们使用其他工具来完整索引所有类型的文档，并可以在查看器应用程序中显示内容。所以，如果你朝这个方向看，可能会找到有用的东西。

Answer 2

就您的代码而言，word文件只是一个普通文件。

试试这个：

using System.IO;

StreamReader streamReader = new StreamReader(filePath);
string text = streamReader.ReadToEnd();
streamReader.Close();

如何使用C＃从Word文件中提取文本？

2 个答案: