openxml html to word,C# Net 使用 openxml 提取word中的文本和图片并转为Html

C# Net Core openxml 提取 提出 取 word  文本  图片 Html Text Drawing

C# Net Core openxml 提取 提出 取 word  文本  图片 Html Text Drawing

注：只支持内嵌，不支持公式

------------------------------------------------

---------------文章最后为效果------------

------------------------------------------------

加入包：OpenXml

创建文件：Read.cs

复制下面全部代码到文件 Read.cs

using DocumentFormat.OpenXml;

using DocumentFormat.OpenXml.Packaging;

using DocumentFormat.OpenXml.Wordprocessing;

using System;

using System.Collections.Generic;

using System.IO;

using System.Text;

using System.Xml;

using System.Xml.Xsl;

namespace YCBX.Office.WordXml

{

public class WordRead

{

public static ListReadToHtml(string wordPathStr)

{

return ReadToHtml(new FileStream(wordPathStr, FileMode.Open));

}

public static ListReadToHtml(Stream wordStream)

{

using (WordprocessingDocument doc = WordprocessingDocument.Open(wordStream, false))

{

//XmlWriterSettings settings = new XmlWriterSettings() { OmitXmlDeclaration = true, ConformanceLevel = ConformanceLevel.Auto,DoNotEscapeUriAttributes=true};

ListparagraphHtmls = new List();

MainDocumentPart mainPart = doc.MainDocumentPart;

Body body = doc.MainDocumentPart.Document.Body;

//段落

foreach (var paragraph in body.Elements())

{

StringBuilder paragraphHtml = new StringBuilder();

//块

foreach (var run in paragraph.ChildElements)

{

if (run is Run)

{

foreach (OpenXmlElement openXmlElement in run.Elements())

{

//软回车

if (openXmlElement is Break br)

{

paragraphHtmls.Add(paragraphHtml.ToString());

paragraphHtml = new StringBuilder();

}

//文字块

else if (openXmlElement is Text text)

{

paragraphHtml.Append(text.Text);

}

//图像块

else if (openXmlElement is Drawing drawing)

{

//得到图像的内嵌ID(外嵌没做处理)

var inline = drawing.Inline;

var extent = inline.Extent;

var pic = inline.Graphic.GraphicData.GetFirstChild();

var embed = pic.BlipFill.Blip.Embed.Value;

//得到图像流

var part = mainPart.GetPartById(embed);

var stream = part.GetStream();

//流转2进制

byte[] bytes = new byte[stream.Length];

stream.Read(bytes, 0, bytes.Length);

//2进制转base64

string imgHtml = $"";

paragraphHtml.Append(imgHtml);

}

}

}

//else if(run is DocumentFormat.OpenXml.Math.OfficeMath math)

//{

//    var x = new XmlDocument();

//    x.LoadXml(math.OuterXml);

//    using var ms = ConvertToMatchMl(x, settings);

//    paragraphHtml.Append(ConvertToLatex(settings, ms));

//}

}

paragraphHtmls.Add(paragraphHtml.ToString());

}

return paragraphHtmls;

}

}

// 合并文档

/public static void Combine(string finalFile, Listfiles)

{

if (files.Count 

{

return;

}

File.Copy(files[0], finalFile, true);

using (WordprocessingDocument doc = WordprocessingDocument.Open(finalFile, true))

{

Body b = doc.MainDocumentPart.Document.Body;

for (int i = 1; i 

{

using (WordprocessingDocument doc1 = WordprocessingDocument.Open(files[i], true))

{

foreach (var inst in doc1.MainDocumentPart.Document.Body.Elements())

{

b.Append(inst.CloneNode(true));

}

}

}

}

}

private string ConvertToLatex(XmlWriterSettings settings, Stream ms)

{

var latexTransform = new XslCompiledTransform();

latexTransform.Load(Path.Combine(AppContext.BaseDirectory, "xsltml", "mmltex.xsl"), new XsltSettings(true,true),new XmlUrlResolver() );

using var la = new MemoryStream();

latexTransform.Transform(new XmlTextReader(ms), XmlWriter.Create(la, settings));

la.Seek(0, SeekOrigin.Begin);

StreamReader sr = new StreamReader(la, Encoding.UTF8);

return sr.ReadToEnd();

}

private Stream ConvertToMatchMl(XmlDocument xmlDocument, XmlWriterSettings settings)

{

var ms = new MemoryStream();

var xslTransform = new XslCompiledTransform();

xslTransform.Load(Path.Combine(AppContext.BaseDirectory, "xsltml", "OMML2MML.XSL"));

xslTransform.Transform(xmlDocument, XmlWriter.Create(ms, settings));

ms.Seek(0, SeekOrigin.Begin);

return ms;

}

}

}

创建文件：ImageExtent.cs

复制下面全部代码到文件 ImageExtent.csusing System;

using System.Collections.Generic;

using System.Text;

namespace YCBX.Office.WordXml

{

// 图像长度单位转换

///public class ImageExtent

{

private const decimal CM_TO_PX = 96M;

private const decimal INCH_TO_CM = 2.54M;

// 厘米到EMU(English Metric Unit)

///private const decimal CM_TO_EMU = 360000M;

// EMU(English Metric Unit) 到像素(px)

//public static decimal EMU_TO_PX(decimal EMU)

{

return EMU / CM_TO_EMU / INCH_TO_CM * CM_TO_PX;

}

}

}

调用方法：var sss = new Read().ParagraphHtmlAll("1.docx");

word文件中为：

创建一个test.html，将代码放在中，查看效果为：

完成