如何通过C＃访问office文件的标签信息

Question

我想编写一段简单的代码，它只从目录中存在的一组office（docx，pptx等）文件中提取标记信息，以便可以轻松地对其进行索引和搜索。 / p>

当我说“tag”时，我指的是自Vista以来你能够添加到文件中的标签信息。它通常使用Explorer完成。例如，下面屏幕截图中的pptx文件附有标签“bubble”。

但是，搜索这些标签已经内置到Windows中，你说呢？为什么，是的，但我需要这个只对索引进行索引，我需要通过Intranet而不是在Windows内部公开信息。

我发现在office文件包中，实际信息存储在cp：keywords元素的/docProps/core.xml文件中。我确实意识到，在代码中，我可以解压缩文件，访问该文件，并提取我需要的内容。不过，我希望那里有一个预先抽象的解决方案。我非常怀疑Windows正在做什么来索引相同的信息（但不可否认，我真的找不到任何好的信息）。

我也发现了一些关于IFilters的讨论。然而，这会访问文件的文本。我没有看到IFilter在哪里帮助解决这个特殊问题。

有人能指出我在这个方向上正确的方向吗？

Answer 1

我没有安装单词，但我猜他们可以从标准属性系统访问它们作为KEYWORD条目和jpg图片上的标签。

如果您想知道它是如何完成的，我使用shell COM API，这里是Gist中的完整示例代码：FileTags.cs。但这只是为了好玩，你应该使用Microsoft Windows API Code Pack，因为它们的实现更加清晰。

要获取标记（在内部称为关键字），请参考Microsoft.WindowsAPICodePack.Shell.dll，然后：

using System;
using Microsoft.WindowsAPICodePack.Shell;

class Program
{
    static void Main()
    {
        var shellFile = ShellFile.FromFilePath(@"C:\path\to\some\file.jpg");
        var tags = (string[])shellFile.Properties.System.Keywords.ValueAsObject;
        tags = tags ?? new string[0];
        Console.WriteLine("Tags: {0}", String.Join("; ", tags));
        Console.ReadLine();
    }
}

如果他们没有搞砸它应该从 Windows XP SP2 开始工作（ Mine应该从SP1开始工作，因为我避开了PropVariantGetStringElem但是没有它们真的很烦人 ）。