提取Word里的文本内容 C#

最新推荐文章于 2022-10-24 09:51:58 发布

weixin_30832405

最新推荐文章于 2022-10-24 09:51:58 发布

阅读量147

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/dayang12525/p/8675269.html

本文介绍了一种使用C#从DOCX文档中提取文本的方法，包括处理命名空间和XPath查询等关键技术点。若遇到损坏的DOC文件，文章还提供了解决方案，即先将DOC转换为DOCX格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　　　　using DocumentFormat.OpenXml.Packaging;　　
　　　　　public static string TextFromWord(string path)
        {
            
            const string wordmlNamespace = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";

            StringBuilder textBuilder = new StringBuilder();
            using (WordprocessingDocument wdDoc = WordprocessingDocument.Open(path, false))
            {
                // Manage namespaces to perform XPath queries.  
                NameTable nt = new NameTable();
                XmlNamespaceManager nsManager = new XmlNamespaceManager(nt);
                nsManager.AddNamespace("w", wordmlNamespace);

                // Get the document part from the package.  
                // Load the XML in the document part into an XmlDocument instance.  
                XmlDocument xdoc = new XmlDocument(nt);
                xdoc.Load(wdDoc.MainDocumentPart.GetStream());

                XmlNodeList paragraphNodes = xdoc.SelectNodes("//w:p", nsManager);
                foreach (XmlNode paragraphNode in paragraphNodes)
                {
                    XmlNodeList textNodes = paragraphNode.SelectNodes(".//w:t", nsManager);
                    foreach (System.Xml.XmlNode textNode in textNodes)
                    {
                        textBuilder.Append(textNode.InnerText);
                    }
                    textBuilder.Append(Environment.NewLine);
                }
            }
            var result = textBuilder.ToString();
            return result;
        }