使用MS Word XML

Question

对我来说总是很难理解（特别是在英语中，这不是我的第一语言）解释，我的问题是什么，所以我提前抱歉错综复杂或过分琐碎;）。

我需要做的是以特定的方式“解析”Word XML文档。转换为xml的文件有一些部分将放置在某些固定标记（如[...]或/ * ... * /或其他任何东西）之间，我需要它们分别保留为一个文本块，而Word来自：

[SOME_TEXT.SOME_OTHER_TEXT] 

使得类似：

<w:r> 
    <w:rPr><not relevant /></w:rPr> 
    <w:t> 
     [SOME_TEXT. 
    </w:t> 
</w:r> 
<w:r> 
    <w:rPr><not relevant /></w:rPr> 
    <w:t> 
     SOME_OTHER_TEXT 
    </w:t> 
</w:r> 
<w:r> 
    <w:rPr><not relevant /></w:rPr> 
    <w:t> 
     ] 
    </w:t> 
</w:r> 

，而不是如：

<w:r> 
    <w:rPr><not relevant /></w:rPr> 
    <w:t> 
     [SOME_TEXT.SOME_OTHER_TEXT] 
    </w:t> 
</w:r> 

我试图Application.Options.StoreRSIDOnSave设置为false，使用普通格式的所有文本，关掉咒语cking等，但Word仍然“随机”分割一些字符串（尤其是当他们从别的地方粘贴，而不是用手写的时候） - 而且我不能告诉人们，谁来创建这些XML文档，做一百个其他的之前他们可以在我的应用程序中使用他们的文件。所以我需要照顾自己准备文件。我想知道什么是最好的和尽可能简单的解决方案来做到这一点 - 通过XmlDocument阅读，通过节点循环，并删除它们注意关闭那些需要关闭，并把*/* /干净之间或做同样的事情，但通过阅读纯文本文件。或者，也许有人有一些更好的想法（像一些聪明的正则表达式;））？我会非常感谢所有的帮助。

//编辑 我设法解决了这个问题。我的解决办法也许是有点“瘸”，但完美的作品;）

Dim MyMarkedString As Boolean = False 
Dim MyTextOpened As Boolean = False 
Dim MyFile As String = File.ReadAllText(pFileName) 
Dim MyFileCopy As String = String.Empty 
For Each foundPart As Match In Regex.Matches(MyFile, "((<\??/?)(?:[^:\s>]+:)?(\w+).*?(/?\??>))|(?!<)(\[?((?!<).)+\]?)") 
    If (foundPart.Value.Equals("<w:t>") OrElse foundPart.Value.Contains("<w:t ")) AndAlso Not MyMarkedString Then 
     MyTextOpened = True 
     MyFileCopy += foundPart.Value 
    ElseIf (foundPart.Value.Equals("</w:t>") OrElse foundPart.Value.Contains("</w:t ")) AndAlso Not MyMarkedString Then 
     MyTextOpened = False 
     MyFileCopy += foundPart.Value 
    ElseIf (foundPart.Value.Equals("<w:t>") OrElse foundPart.Value.Contains("<w:t ")) AndAlso MyMarkedString Then 
     MyTextOpened = True 
     MyFileCopy += "" 
    ElseIf (foundPart.Value.Equals("</w:t>") OrElse foundPart.Value.Contains("</w:t ")) AndAlso MyMarkedString Then 
     MyTextOpened = False 
     MyFileCopy += "" 
    Else 
     If MyTextOpened AndAlso Not MyMarkedString Then 
      If foundPart.Value.Contains("[") AndAlso Not foundPart.Value.Contains("]") Then MyMarkedString = True 
      MyFileCopy += foundPart.Value 
     ElseIf MyTextOpened AndAlso MyMarkedString Then 
      If foundPart.Value.Contains("]") AndAlso Not foundPart.Value.Contains("[") Then MyMarkedString = False 
      MyFileCopy += foundPart.Value 
     ElseIf Not MyTextOpened And MyMarkedString Then 
      MyFileCopy += "" 
     Else 
      MyFileCopy += foundPart.Value 
     End If 
    End If 
Next 
File.WriteAllText(pCopyName, MyFileCopy) 

Answer 1

可能我建议另一种方法：读取XML作为一个纯粹的字符串，删除所有的XML元素和检查所生成的字符串。

Imports System.IO 
Imports System.text.RegularExpressions 

Dim readFile As String = File.ReadAlltext("yourPathToFile.doc") 
readFile = Regex.Replace(readFile, "<[a-zA-Z0-9/:]+>", String.Empty) 

For Each foundPart As Match In Regex.Matches(readFile, "\[[a-zA-Z0-9]+\]") 
     ' do something here with the things we found' 
Next 

可能需要一些额外的东西，f.e.更换空间等

编辑：是的，我明白，正则表达式表达是远远不够完善这个...

EDIT2：RegEx to remove XML Tags with content

Answer 2

这个怎么样SDK？

http://www.microsoft.com/downloads/details.aspx?FamilyId=C6E744E5-36E9-45F5-8D8C-331DF206E0D0&displaylang=en