windows下c语言解析docx文件,如何从C语言的MS Office文档中提取文本#

让我稍微更正一下凯尔姆给出的答案。我刚刚添加了两个额外节点的处理,这会影响结果:一个负责水平制表,用“\t”,另一个负责垂直制表,用“\v”。代码如下:

public static string ReadAllTextFromDocx(FileInfo fileInfo)

{

StringBuilder stringBuilder;

using(WordprocessingDocument wordprocessingDocument = WordprocessingDocument.Open(dataSourceFileInfo.FullName, false))

{

NameTable nameTable = new NameTable();

XmlNamespaceManager xmlNamespaceManager = new XmlNamespaceManager(nameTable);

xmlNamespaceManager.AddNamespace("w", "http://schemas.openxmlformats.org/wordprocessingml/2006/main");

string wordprocessingDocumentText;

using(StreamReader streamReader = new StreamReader(wordprocessingDocument.MainDocumentPart.GetStream()))

{

wordprocessingDocumentText = streamReader.ReadToEnd();

}

stringBuilder = new StringBuilder(wordprocessingDocumentText.Length);

XmlDocument xmlDocument = new XmlDocument(nameTable);

xmlDocument.LoadXml(wordprocessingDocumentText);

XmlNodeList paragraphNodes = xmlDocument.SelectNodes("//w:p", xmlNamespaceManager);

foreach(XmlNode paragraphNode in paragraphNodes)

{

XmlNodeList textNodes = paragraphNode.SelectNodes(".//w:t | .//w:tab | .//w:br", xmlNamespaceManager);

foreach(XmlNode textNode in textNodes)

{

switch(textNode.Name)

{

case "w:t":

stringBuilder.Append(textNode.InnerText);

break;

case "w:tab":

stringBuilder.Append("\t");

break;

case "w:br":

stringBuilder.Append("\v");

break;

}

}

stringBuilder.Append(Environment.NewLine);

}

}

return stringBuilder.ToString();

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值