C# 操作Word模拟解析HTML标记输出带格式的文本

目录

需求与困惑

解决方案

范例运行环境

配置Office DCOM

设计实现

组件库引入

​编辑

方法实现

小结

---

需求与困惑

应需求通过算法输出纯文本内容到 MS Word 对应的替换字段中，原有的设计仅能保持模板设定的格式，如下是一个WORD表格，下方单元格中输出题目内容，固定格式为宋体：

但客户的需求是希望题目为黑体加粗，考察关键点为正常宋体，颜色置灰，如下图：

初期的设想是通过 Word.Find 对象配合扩展的格式参数，进行查找结果关键字进行替换及格式重置操作，发现无法定位精准或有效的 Range ，尤其是 Word.Shape.TextFrame.TextRange ，参考、搜索了一些资料，问题仍无法解决。

解决方案

目前主要针对如下两个 Range 对象进行操作：

序号	对象	说明
1	Word.Appication.Selection.Range	页面选择区域范围对象（如查找到的段落高亮文字显示结果）
2	Word.Shape.TextFrame.TextRange	形状对象，对象内包含文字，且查找到的文字结果范围Range

基本的实现的思路如下：

一、将原始输出文本按照指定的定义进行 HTML 标记化，如将 “这是一段文本” 文本更改为  “<span style='font-family:黑体;font-weight:bold'>这是一段文本</span>” (html 部分使用标准的 span + style )，这样可以同时兼容标准的网页版输出。

二、对 Range 的文本（Text）使用正则表达式提取 HTML 标记间的所有查找关键字。

三、对 Range 的字符集对象（Word.Characters）进行逐字操作，提取 HTML 标记的 style 属性部分，分隔各种 style 进行解析，重刷每一个字符的格式。

四、处理完格式设置，调用 Range.Find 对象替换掉 “多余” 的 HTML 标记文本，完成最终输出效果。

范例运行环境

操作系统： Windows Server 2019 DataCenter

操作系统上安装 Office Ｗord 2016

数据库：Microsoft SQL Server 2016

.net版本： .netFramework4.7.1 或以上

开发工具：VS2019  C#

配置Office DCOM

配置方法可参照我的文章《C# 读取Word表格到DataSet》进行处理和配置。

设计实现

组件库引入

方法实现

processWordChars 方法基本说明如下表：

序号	参数名称	参数类型	说明
1	chars	Word.Characters	Word.Range的字符集对象

方法示例代码如下：

void processWordChars(Word.Characters chars)
{

  string content = chars.Parent.Text;
  if (content == null || content == "") { return; }
  Word.Find fnd = chars.Parent.Find;

  ArrayList paras2 = new ArrayList();
  paras2.Add(new string[] { "<span style=", "</span>" });
  foreach (string[] p in paras2)
  {
      string pattern = string.Format(@"{0}(.*?){1}", p[0], p[1]);
      System.Text.RegularExpressions.MatchCollection matches = System.Text.RegularExpressions.Regex.Matches(content, pattern);
      foreach (System.Text.RegularExpressions.Match match in matches)
      {
         string key = match.Groups[1].Value;  //提取的内容
         string vkey = key.Substring(key.IndexOf('>') + 1); //最终有效内容
                    
         string vstyle = key.Substring(1, key.Length - vkey.Length - 3); //截取 style 值
         string findkey = p[0] + key + "</span>";  //最终替换部分
         int fk = content.IndexOf(findkey);
         if (fk != -1)
         {
             for (int i = 1; i <= findkey.Length; i++)
             {
                 foreach (string kv in vstyle.Split(';'))
                 {
                     string[] style = kv.Split(':');
                     if (style[0] == "color")
                     {
                         chars[fk + i].Font.Color =(Word.WdColor)ColorTranslator.ToOle(ColorTranslator.FromHtml(style[1]));
                                        // 获取ARGB值
                     }
                     else if(style[0]== "font-weight")
                     {
                         if (style[1] == "bold") {
                             chars[fk + i].Font.Bold=1;
                         }
                     }
                     else if (style[0] == "font-family")
                     {
                         chars[fk + i].Font.Name=style[1];
                     }
                 }
              }
          fnd.ClearFormatting();
          Object findText = findkey;
          Object matchCase = false; Object matchWholeWord = Type.Missing; Object matchWildcards = false; Object matchSoundsLike = false; Object matchAllWordForms = false;
          Object forward = true; Object wrap = Word.WdFindWrap.wdFindContinue; Object format = false;
          Object replaceWith = vkey;
          Object replace = Word.WdReplace.wdReplaceAll; Object matchKashida = Type.Missing; Object matchDiacritics = Type.Missing; Object matchAlefHamza = Type.Missing; Object matchControl = Type.Missing;
          fnd.Execute(ref findText, ref matchCase, ref matchWholeWord, ref matchWildcards, ref matchSoundsLike, ref matchAllWordForms,ref forward, ref wrap, ref format, ref replaceWith, ref replace, ref matchKashida, ref matchDiacritics, ref matchAlefHamza, ref matchControl);
          content = chars.Parent.Text;
         }
      }
   }
}

小结

1、示例代码只是简单的处理了字体颜色、加粗和字体名称三项，我们可以根据实际需要扩展处理。

2、字体颜色请参照十六进制表示输入（如 #00ff00）。

3、示例代码中 Word 表示 using Word=Microsoft.Office.Interop.Word; 的引用。

示例代码我们提供了操作的关键方法，这里仅作参考，欢迎大家评论指教提供更好的解决方案！