Wie greife ich Text aus dem Word (DOCX) -Dokument in C#?
-
11-09-2019 - |
Frage
Ich versuche, den einfachen Text aus einem Word -Dokument zu erhalten. Insbesondere macht mir der XPath Probleme. Wie wählen Sie die Tags aus? Hier ist der Code, den ich habe.
public static string TextDump(Package package)
{
StringBuilder builder = new StringBuilder();
XmlDocument xmlDoc = new XmlDocument();
xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());
foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t"))
{
builder.AppendLine(node.InnerText);
}
return builder.ToString();
}
Lösung
Ihr Problem sind die XML -Namespaces. SelectNodes
Ich weiß nicht, wie man übersetzt wird <w:t/>
zum vollständigen Namespace. Daher müssen Sie die Überladung verwenden, die eine benötigt XmlNamespaceManager
als zweites Argument. Ich habe Ihren Code ein wenig geändert, und es scheint zu funktionieren:
public static string TextDump(Package package)
{
StringBuilder builder = new StringBuilder();
XmlDocument xmlDoc = new XmlDocument();
xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());
XmlNamespaceManager mgr = new XmlNamespaceManager(xmlDoc.NameTable);
mgr.AddNamespace("w", "http://schemas.openxmlformats.org/wordprocessingml/2006/main");
foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t", mgr))
{
builder.AppendLine(node.InnerText);
}
return builder.ToString();
}
Andere Tipps
Schauen Sie sich das an die Öffnen Sie das XML -Format SDK 2.0. Es gibt einige Beispiele zum Verarbeiten von Dokumenten, so was.
Obwohl ich es nicht benutzt habe, gibt es das Open Office XML C# Bibliothek Das können Sie sich auch ansehen.