如何在不安装MS Office且不使用Interop Library的情况下读取服务器中的MS Office文件？

Question

互操作库很慢，需要安装MS Office。 很多时候您不想在服务器上安装MS Office。

我想使用Apache POI，但我正在使用.NET。

我只需要提取文件的文本部分，而不是在Office文件中创建或“存储信息”。

我需要告诉你，我有一个非常大的文档库，我无法将其转换为更新的XML文件。

我不想为二进制文件编写解析器。 像Apache POI这样的库为我们做了这个。不幸的是，它仅适用于Java平台。也许我应该考虑用Java编写这个应用程序。

我仍然没有在.NET中找到POI的开源替代品，我想我会用Java编写自己的应用程序。

Answer 1

对于所有MS Office版本：

• 您可以使用第三方组件（如TX Text Controls for Word和TMS Flexcel Studio for Excel

对于新的Office（2007）：

• 您可以使用system.io.packaging中的.net功能执行一些基本操作。了解如何在http://msdn.microsoft.com/en-us/library/bb332058.aspx

旧办公室（2007年之前）：

• 现在记录旧的Office格式：http://www.microsoft.com/interop/docs/officebinaryformats.mspx。如果你想做一些非常简单的事情，你可以考虑尝试一下。但请注意，这些格式非常复杂。

Answer 2

由于新的docx格式本质上是基于XML的文件，因此一旦您了解了结构，就可以使用标准XML DOM技术以编程方式创建和操作它们。

这些文件基本上是zip存档，具有备用文件扩展名。使用System.IO.Packaging命名空间来访问文件的内部元素，然后将它们打开到XmlDocument以执行操作。

有一些例子可以做到这一点，SourceForge上的Office Open XML项目可能值得寻找灵感。

对于较旧的二进制格式，这些格式是MS专有的，您从内部获取内容的唯一方法是通过Office对象模型（需要Office安装）或第三方文件转换器/解析器。

不幸的是，.NET平台没有任何第一方和本地人可以处理这些文件。

Answer 3

查看Aspose components。它们旨在模拟Interop功能，而无需在服务器上安装完整的Office。

Answer 4

你需要对这些文件做什么？如果您只想将它​​们流式传输给用户，那么基本文件流就可以了。如果要创建新文件（可能基于模板）以向用户发送用户可以在Office中打开的文件，则可以有多种文件或work-arounds。

如果您实际上将数据保存在Office文档中供您的网站使用，那么您做错了。 Office文档，甚至是Excel电子表格和访问数据库，并不适合与交互式网站一起使用。

Answer 5

如果文档是word 2007格式，您可以使用system.io.packaging库以编程方式与其进行交互。

RWendi

Answer 6

在Java世界中，还有JExcelApi。从我能看到的内容可以非常清楚地写出来，比POI更清晰。因此，即使是.NET代码的端口也不是不可能的，当然，你手上有足够的时间。

Answer 7

OpenOffice的。

您可以针对它进行编程并让它为您做很多事情，而无需花钱购买服务器许可证，或者在服务器上存在与之相关的漏洞。

Answer 8

可以使用ODBC驱动程序（或者它是OLE DB驱动程序？不记得）来读取Microsoft Excel工作簿，这使得工作簿看起来像数据库表。但我不知道没有Office套件本身是否可以使用该驱动程序。

Answer 9

您可以使用OpenOffice。它有一个命令行转换工具：

Conversion Howto

简而言之，您在OpenOffice中定义一个宏，并使用命令行调用该宏 OpenOffice的参数。在该参数中，本地文件（Office文件）的名称是 编码。

这不是一个很好的解决方案，但它应该是可行的。