如何将文本从MS Word文档解析为字符串

我试图找到一种方法将word文档的文本解析为我项目中的字符串。我有超过600个单词（.doc）文件，我需要获取文本内容（如果可能的话，使用新的行和标签）和将它分配给每个字符串。

我一直在阅读有关Open XML SDK的内容，但看起来非常简单。

Answer 1

Open XML SDK仅适用于2007和更新的格式，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); 

有关更完整的示例和说明， 请参阅http://www.codeproject.com/Articles/18703/Word-2007-Automation或http://www.codeproject.com/Articles/21247/Word-Automation 。 请注意，如果您的文档移动复杂（脚注，文本框，表格……），这可能会变得有点棘手。

另一种选择是将文档保存为文本，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

Answer 2

你可以看看NPOI ：

该项目是http://poi.apache.org/上的POI Java项目的.NET版本。 POI是一个开源项目，可以帮助您读/写xls，doc，ppt文件。 它有广泛的应用。

请查看此前的SO线程以获取更多信息。