转换为Word文档用C＃

Question

所以我目前正在尝试将Word文档（.DOC）转换为文本文件，因为我想用它的正则表达式找东西的文档中的文本文档。所以我想出了下面的内容，它将Word文档转换为富文本格式（通过将其附加到富文本框中），但这不会转换为纯文本格式。当我用普通的文本文档进行尝试时，它会在新行上打印每个单词。我一直无法找到有关如何在C＃中执行此操作的任何信息。我使用的是C＃和visual studio 2010.我不希望文档中有任何特殊字符（如粗体，下划线等），但是如果有人知道我如何能够健壮并提取那些超级真棒。

我想把它当作一个文本文档，因为有几种方法，我知道我可以在普通文本中使用，但我怀疑他们会在字的文字工作，由于附带的Word文档隐藏/特殊字符。

using System; 
using System.Collections.Generic; 
using System.ComponentModel; 
using System.Data; 
using System.Drawing; 
using System.Linq; 
using System.Text; 
using System.Windows.Forms; 
using Microsoft.Office.Interop.Word; 

namespace ReadWordDocProject 
{ 
    public partial class Form1 : Form 
    { 
     public Form1() 
     { 
      InitializeComponent(); 
     } 

     private void button1_Click(object sender, EventArgs e) 
     { 
      string testFile = @"C:\Users\<mycomputer>\Documents\TestItemHelpers\TestWordDoc.docx"; 

      Microsoft.Office.Interop.Word.Application application = new Microsoft.Office.Interop.Word.Application(); 
      Document document = application.Documents.Open(testFile);//path here 

      int count = document.Words.Count; 
      for (int i = 1; i <= count; i++) 
      { 
       string text = document.Words[i].Text; 
       //Do output with text here 
       richTextBox1.AppendText(text); 
      } 

      ((_Application)application).Quit(); //cast as _Application because there's ambiguity 
     } 


    } 
} 

Answer 1

Microsoft表示您不应该使用Microsoft Office Interop在自动化应用程序中操作文档。

您可以使用免费的图书馆像Spire Doc将Word文档转换为TXT，然后打开txt文件。我认为有一种方法可以直接从Spire保存到内存流中（我知道这里有Aspose Words，但这不是免费的），但我不确定。

private void button1_Click(object sender, EventArgs e) 
{ 
    //Open word document 
    Document document = new Document(); 
    string docPath = @"C:\Users\<computer name>\Documents\TestItemHelpers"; 

    document.LoadFromFile(Path.Combine(docPath,"TestWordDoc.docx")); 

    //Save doc file. 
    document.SaveToFile(Path.Combine(docPath,"TestTxt.txt"), FileFormat.Txt); 

    string readText = File.ReadAllText(Path.Combine(docPath,"TestTxt.txt")); 

    //do regex here 

} 

编辑：如果你打算使用互操作，因为它是好的，对用户运行的活动（如在评论中指出），你可以将文档保存为文本文件，然后做正则表达式

private void button1_Click(object sender, EventArgs e) 
{ 
    string docPath = @"C:\Users\<computer name>\Documents\TestItemHelpers" 
    string testFile = "TestWordDoc.docx"; 


    Microsoft.Office.Interop.Word.Application application = new Microsoft.Office.Interop.Word.Application(); 
    Document document = application.Documents.Open(Path.Combine(docPath,testFile); 

    application.ActiveDocument.SaveAs(Path.Combine(docPath,"TestTxt.txt"), WdSaveFormat.wdFormatText, ref noEncodingDialog); 
    ((_Application)application).Quit(); 

    string readText = File.ReadAllText(Path.Combine(docPath,"TestTxt.txt")); 

    //do regex here 


}