说明

Question

我需要分析我的Word文档的文本，并在我的分析器检测到的文本范围内创建书签（几乎就像语法检查器）。

我不想使用Find()实用程序，因为我的需求过于具体。

说明

为此，

1 /检索文档纯文本

我检索文档主要故事的纯文本：

String plainText = ActiveDocument.Range（）。Text;

2 /分析纯文本并获得结果

我将它发送到我的分析工具，该工具返回带位置的标记集合：例如，如果我想检测模式＆＃34; 我的模式＆＃34;在文档文本中，分析器可以将标记返回为{ pattern : "my marker", start: 5, end : 14 }，其中＆＃34; 开始＆＃34;和＆＃34; 结束＆＃34;是发送的纯文本中模式的字符索引。

3 /在文档中显示结果

我从这些标记创建书签对于前面的例子，它应该是：

// init a new range and collapse it 
Word.Range range = activeDocument.Range(); range.Collapse(WdCollapseStart); 

// move character-by-character in the "formatted" text
range.MoveStart(WdUnits.Character, Marker.start ); # Marker.start=5

//set length (end)
range.setRange(range.Start,range.Start+(Marker.End-Marker.Start)); #Marker.end=14

4 /结果

4.1全局结果

当文档主要故事包含文本，链接，列表，标题时，一切正常：范围很好，纯文本索引与格式化文本索引相关联。

4.2数组问题

当一个文档包含一个数组时，Ranges的位置不好几个字符：纯文本索引与格式化的文本索引不完全相关。

我找到了这个问题的原因（在其他论坛中有解释）：这是由于非打印char（7），它是以纯文本格式添加的单元格分隔符。我们可以处理这些字符来计算位置范围，一切都很好！

4.3内容控制，目录，章节和其他方面的问题

当文档包含这些元素时，范围也会被定位为几个字符。其他非打印出现在纯文本中，但我不明白这意味着什么以及如何处理计算位置范围。

通过＆＃34; Developer ribbon＆gt;显示Word元素标记。创建模式＆＃34;，我们看到每个元素有2个标记：将纯文本索引移动2 *元素解决问题。这似乎没问题。

4.4 Endpaper问题

我不知道我们怎么说＆＃34; page de garde＆＃34; （法语）英文，我认为它是＆＃34; endpaper＆＃34; ：这是第一个具有特定页眉，页脚和内容控件的页面：）

当文档包含Endpaper时，Ranges也会定位几个字符。但这一次，纯文本中没有非打印标记。

其他信息，当我使用＆＃34; Developer ribbon＆gt;显示单词元素标记时创作模式＆＃34;，我看到了endpaper标记。

问题

如何检测Word文档范围内的Endpaper？
如何理解纯文本索引并不总是与格式化文本索引相关联，而是包含哪些Word文档元素？
XML节点操作将是一个更可靠的替代方案吗？如果是，您能否举例说明用XML Api管理当前文档中的博彩公司或其他人？

其他人资源

我发现了类似的问题：

我希望我的解释清楚，你可以帮助我理解错误或告诉我最好的方法吗？

非常感谢。

Answer 1

它不是很漂亮，但您可以尝试通过Regex删除不需要的字符。例如，删除\a个字母（代码为7）：

string j = new string(new char[] { (char)7 });
plainText = Regex.Replace(plainText,string.Format("[{0}]", j), "");

现在你必须识别其他'邪恶'字符并将它们添加到char数组中。如果它有效，您将获得一个字符串，其长度与文档中Characters的数量相对应。可能你必须通过试验来调整这段代码。（我不确定你使用的是哪种语言 - 我认为是C＃。）

<强>更新另一个想法（如果它适用于您的分析仪工具）：

将问题分解为单个段落：

foreach(Word.Paragraph pg in activeDocument.Paragraphs)
{
    Word.Range range = pg.Range();
    string text = range.Text;
    // your stuff here
}

使用此段落范围对象和包含的文本字符串，您可以像尝试处理整个文档对象及其文本一样 - 只是逐段显示。所有这些段落都可以通过范围和移动操作“寻址”，就像您已经这样做的那样。我认为有问题的字符在段落的外部或末尾，因此它们不会影响这些段落中的字符计数。

由于我无法重现您称之为endpaper的内容，因此我无法对其进行验证。此外，我不知道段落是否包含特殊文本范围作为页眉和内容表。但至少可以将问题缩小到更小的范围。我觉得值得一试。

Word.Range：在与纯文本对应的格式化文本中移动范围索引

说明

问题

其他人资源

1 个答案: