将HTML字符串添加到OpenXML（* .docx）文档

我正在尝试使用Microsoft的OpenXML 2.5库来创建OpenXML文档。 一切都很好，直到我尝试在我的文档中插入HTML字符串。 我已经在网上搜索过，这是我到目前为止所提出的内容（仅剪切到我遇到问题的部分）：

Paragraph paragraph = new Paragraph(); Run run = new Run(); string altChunkId = "id1"; AlternativeFormatImportPart chunk = document.MainDocumentPart.AddAlternativeFormatImportPart( AlternativeFormatImportPartType.Html, altChunkId); chunk.FeedData(new MemoryStream(Encoding.UTF8.GetBytes(ioi.Text))); AltChunk altChunk = new AltChunk { Id = altChunkId }; run.AppendChild(new Break()); paragraph.AppendChild(run); body.AppendChild(paragraph); 

显然，我在这个例子中并没有实际添加altChunk，但我尝试将它附加到任何地方 – 运行，段落，正文等。在任何情况下，我都无法打开Word 2010中的docx文件。

这让我有点疯狂，因为它似乎应该是直截了当的（我承认我不完全理解AltChunk“的事情”）。 非常感谢任何帮助。

旁注：我发现有一件事很有意思，我不知道它是否真的有问题， 这个响应表明AltChunk在使用MemoryStream工作时会破坏文件。 谁能证实这是/不是真的？

Answer 1

我可以通过使用不完整的HTML文档作为替代格式导入部分的内容来重现错误“……内容存在问题” 。 例如，如果您使用以下HTML代码段

HELLO

MS Word无法打开该文档。

下面的代码显示了如何将AlternativeFormatImportPart添加到word文档。 （我用MS Word 2013测试了代码）。

 using (WordprocessingDocument doc = WordprocessingDocument.Open(@"test.docx", true)) { string altChunkId = "myId"; MainDocumentPart mainDocPart = doc.MainDocumentPart; var run = new Run(new Text("test")); var p = new Paragraph(new ParagraphProperties( new Justification() { Val = JustificationValues.Center }), run); var body = mainDocPart.Document.Body; body.Append(p); MemoryStream ms = new MemoryStream(Encoding.UTF8.GetBytes("
HELLO
")); // Uncomment the following line to create an invalid word document. // MemoryStream ms = new MemoryStream(Encoding.UTF8.GetBytes("
HELLO
")); // Create alternative format import part. AlternativeFormatImportPart formatImportPart = mainDocPart.AddAlternativeFormatImportPart( AlternativeFormatImportPartType.Html, altChunkId); //ms.Seek(0, SeekOrigin.Begin); // Feed HTML data into format import part (chunk). formatImportPart.FeedData(ms); AltChunk altChunk = new AltChunk(); altChunk.Id = altChunkId; mainDocPart.Document.Body.Append(altChunk); } 

根据Office OpenXML规范， w:altChunk元素的有效父元素是body, comment, docPartBody, endnote, footnote, ftr, hdr and tc 。 所以，我已经将w:altChunk添加到body元素中。

有关w:altChunk元素的更多信息，请参阅此MSDN链接。

编辑

正如@ user2945722所指出的，为了确保OpenXml库correctlty将字节数组解释为UTF-8，您应该添加UTF-8前导码。 这可以这样做：

 MemoryStream ms = new MemoryStream(new UTF8Encoding(true).GetPreamble().Concat(Encoding.UTF8.GetBytes(htmlEncodedString)).ToArray() 

这样可以防止你的é被rendered，your，ä’s等等。

Answer 2

这里有同样的问题，但原因完全不同。 如果接受的解决方案没有帮助，那就值得一试。 保存后尝试关闭文件。 就我而言，它恰好是腐败和干净的docx文件之间的区别。 奇怪的是，大多数其他操作只使用Save（）和程序退出。

 String cid = "chunkid"; WordprocessingDocument document = WordprocessingDocument.Open("somefile.docx", true); Body body = document.MainDocumentPart.Document.Body; MemoryStream ms = new MemoryStream(System.Text.Encoding.UTF8.GetBytes("hi")); AlternativeFormatImportPart formatImportPart = document.MainDocumentPart.AddAlternativeFormatImportPart(AlternativeFormatImportPartType.Html, cid); formatImportPart.FeedData(ms); AltChunk altChunk = new AltChunk(); altChunk.Id = cid; document.MainDocumentPart.Document.Body.Append(altChunk); document.MainDocumentPart.Document.Save(); // here's the magic! document.Close();