mvc word转html,MVC4 c＃拿一个office word文件，并转换成列表

不幸的是，我只能提供部分一。在这里，由于这个问题对我来说是不能解决的，需要比我聪明的人:-) 也许你会发现“问题”部分很有用，因为在开始实施解决方案之前，您可能需要对此进行研究。

使用情况

我想知道用例可能是你的问题的背后，以便更好地了解它。我在考虑以下内容： 用户(可能是教授)会将2个Word文档(可能是论文文档)上传到网站，以查明它们是否是彼此的副本。 您希望通过单词列表进行比较，因为文档可能包含相同的内容，但顺序不同(编写论文的学生已对句子进行了重新排序)。 网站用户可能希望对文档内容有不同的看法，但不是Microsoft Word自带的内容，因为a)用户可以直接比较Word中的文档，因此不需要使用网站和b)如果句子已经重新排序，Word中的比较是无用的。

那么，有什么用？正如你已经提到的，我们可以从word文档中提取单词列表。首先，我们要计算这些词，以便我们稍后可以计算百分比的差异。 然后我们比较两个列表并找出差异。我们仍然得到两个列表：1)文件A中的文字，但不是文件B和2中的文字)反之亦然。 仅仅显示这两个列表可能已经很有趣了，但似乎您希望更进一步：将Word文档作为一个整体显示并突出显示差异。

的问题

阅读Word文档。这应该很容易。我建议在这里使用Codeplex DocX，因为我之前使用过它，并且不需要安装Office。但是，它仅适用于Docx文件格式。

提取单词列表。有点棘手，因为我们需要考虑单词分隔符，它可能不仅仅是空格。

缩小列表的差异。这应该很容易。

显示差异。可能是最棘手的部分，如果你想得到它的权利。您已经为比较组件提出了建议。但是，我担心这样的组件使用内置的机制来找出差异 - 这正是我不想要的，就我的用例而言。 但还有一个更糟糕的问题：在正确的地方突出显示不同的单词。我需要一个例子来形容它：

Word文档

这是由学生复制一个句子。然后它包含 这里的其他东西。

的Word文档B

这是由学生复制一个句子。然后它包含一个 第二句话。

文件A中不在文件B中的单词：其他，在这里。

文件B中不在文件A中的单词：a，second，sentence。

让我们现在突出显示差异。在文件A中，这不是一个问题：只要突出显示这些单词，它就会是完美的。 然而，在文件B中，我们如何知道是否要在第一句或第二句中突出显示“a”和“句子”这两个词？

当然，对于人类来说，第一句话是相同的，第二句话中的差异很明显。 这样的事情可能已经(或至少试图被)所有的差异工具已经解决了，我只想提一下，根据使用情况，重要的是不要几乎不打破文字文档到一个简单的单词列表。

我的解决方案

阅读word文档：

using Novacode;

DocX.Load(Path.Combine(mydocumentPath, @"DocumentA.docx"));

提取单词的列表：

private static IList ExtractWords(DocX doc)

{

// Get all the text without the headlines

var text = doc.Text;

// Maybe you want to tweak this and more items or use a different approach,

// e.g. using Regex like proposed by @Omri Aharon

var separators = "\r\n\"”“„?«» .!?,{}[]-".ToCharArray();

var strings = text.Split(separators, StringSplitOptions.RemoveEmptyEntries);

return strings.ToList();

}

缩小清单，以区别：

private static void ReduceToDifferences(IList wordsA, IList wordsB)

{

// Maybe there's some optimization possible,

// e.g. loop over the list with fewest entries or something

for (int i = wordsA.Count - 1; i >= 0; i--)

{

// Find word of list A in list B

var word = wordsA[i];

var index = wordsB.IndexOf(word);

// If found, remove it in both

if (index > -1)

{

wordsB.RemoveAt(index);

wordsA.RemoveAt(i);

}

}

}

显示差异：如上所述，这只是部分答案，对于上述问题，我不提供解决方案。

短，自包含的，正确的示例

为了完整起见，并提供一个SSCCE，这里是我的应用程序的其他部分，使其工作。

using System;

using System.Collections.Generic;

using System.IO;

using System.Linq;

using Novacode;

static void Main(string[] args)

{

var wordsA = ExtractWords(DocX.Load(Path.Combine(mydocumentPath, @"DocumentA.docx")));

var wordsB = ExtractWords(DocX.Load(Path.Combine(mydocumentPath, @"DocumentB.docx")));

ReduceToDifferences(wordsA, wordsB);

Console.WriteLine("------ Words only in A:");

PrintList(wordsA);

Console.WriteLine("------ Words only in B:");

PrintList(wordsB);

Console.WriteLine("------ Press any key");

Console.ReadLine();

}

private static void PrintList(IList wordsA)

{

foreach (var word in wordsA)

{

Console.WriteLine(word);

}

}