Question

我正试图从word文档中获取纯文本。具体来说，xpath给了我麻烦。你如何选择标签？这是我的代码。

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();
}

Answer 1

您的问题是XML命名空间。 SelectNodes不知道如何将<w:t/>翻译成完整的命名空间。因此，您需要使用带有XmlNamespaceManager作为第二个参数的重载。我稍微修改了你的代码，它似乎有效：

    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();
    }

Answer 2

看看Open XML Format SDK 2.0。有一些关于如何处理文档的例子，like this。

虽然我还没有使用它，但是你可以看一下这个Open Office XML C# Library。

如何从C＃中的word（docx）文档中获取文本？

2 个答案: