Question

我有一位朋友在Microsoft Word 2007中撰写 400页的图书。

在整本书中，他有 200个故事，每个故事由多个段落组成。

当他完成这本书的编写后，他希望将其Word文档中嵌入的每个故事的文本复制到数据库表中，例如：

Title, varchar(200)
Description, text
Content, text

我们不希望将每个故事复制并粘贴到数据库中，但希望让程序自动将标记数据从Word文件中提取到数据库中的相应字段中。 / p>

他必须在Microsoft Word中做什么才能将每组段落表示为“故事内容”，将每个标题称为“故事标题”等。先决条件是此标记在文档中无法显示。我知道Word 2007文件基本上是压缩的XML文件所以我认为这是可能的，我认为样式表是我们需要的，但我如何准确准备Word文档以便他添加他们被正确标记的故事？
我认为C＃4.0的新 COM Interop 功能是分析Word文件并从嵌入式故事中仅检索标题，描述和内容所需要的，但是如何我在技术上这样做吗？有没有人有例子？

有没有人有经验做这样的项目（将Microsoft Word作为semnatic数据文件阅读）可以分享？

Answer 1

我要做的是使用样式。为每种类型的内容设置一种样式，并编写一个逐段遍历文档并吐出相应文本文件的宏。

Answer 2

好的，这可以通过多种方式解决。

首先，我建议您将文件保存为* .txt，以便解析一些纯文本。

然后，你的朋友在写作期间必须保持一致，因为你要创造的东西（文本解析器）需要一致性。

制定一些规则：

第一行标题，然后是2个换行符;
所有段落以1个换行符分隔;
然后是最后一段之后的3个换行符;

之后，加载文件，并使用上述规则解析它。

{享受}

Answer 3

使用书签开始和停止每个故事

我强烈建议使用这种技术。

使用Word的书签功能标记每个“故事”的开头和结尾。要查看“书签”，请转到“文字选项”，“高级”，“显示文档内容”，然后选中“显示书签”。

然后只需浏览收集书签之间内容的文件。

相当简单，这是我从Word 6.x开始使用的一种技术。唯一的问题是必须提出200个书签名称。然而，这可能是一个优势，因为书签名称可能会迁移到数据库中的“名称”字段。

使用样式标记故事内容

另一种技术是定义构成故事的特定风格或风格。然后，您提取样式。如果作者没有受到纪律处分，这有点难以理解并且容易出错。

使用包含故事内容的文本框

最后，如果这些“故事”可以放入“文本框”中，您只需提取文本框内容即可。这种方法的问题是文本框的限制和文档布局的变化，作者可能不会应用什么。

注释

还有其他方法，但书签方法最容易使用和实现。我会尽力回复您的任何意见/问题。

MSDN在http://social.msdn.microsoft.com/Search/en-US?query=vsto%20word%20bookmark&refinement=-112&ac=3
MSDN在http://social.msdn.microsoft.com/Search/en-US?query=vsto%20word%202007&refinement=-112&ac=3

Answer 4

以下是docx文档的xml，其中包含一个包含单词“Title”的标题和两个包含单词“Content”的段落。在你的朋友写作时研究小说的样本文件，对所有标题和段落元素使用统一的格式，你将能够很容易地解析它。内容在压缩的docx文件的word / document.xml中

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<w:document xmlns:ve="http://schemas.openxmlformats.org/markup-compatibility/2006" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns:m="http://schemas.openxmlformats.org/officeDocument/2006/math" xmlns:v="urn:schemas-microsoft-com:vml" xmlns:wp="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing" xmlns:w10="urn:schemas-microsoft-com:office:word" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main" xmlns:wne="http://schemas.microsoft.com/office/word/2006/wordml"><w:body><w:p w:rsidR="005C78DC" w:rsidRDefault="00350339" w:rsidP="00350339"><w:pPr><w:pStyle w:val="Heading1"/></w:pPr><w:r><w:t>Title</w:t></w:r></w:p><w:p w:rsidR="00350339" w:rsidRDefault="00350339" w:rsidP="00350339"><w:r><w:t>Content</w:t></w:r></w:p><w:p w:rsidR="00350339" w:rsidRPr="00350339" w:rsidRDefault="00350339" w:rsidP="00350339"><w:r><w:t>Content</w:t></w:r></w:p><w:sectPr w:rsidR="00350339" w:rsidRPr="00350339" w:rsidSect="005C78DC"><w:pgSz w:w="12240" w:h="15840"/><w:pgMar w:top="1440" w:right="1440" w:bottom="1440" w:left="1440" w:header="720" w:footer="720" w:gutter="0"/><w:cols w:space="720"/><w:docGrid w:linePitch="360"/></w:sectPr></w:body></w:document>

如何准备Word 2007文档，以便C＃可以从语义上提取数据？

4 个答案:

使用书签开始和停止每个故事

使用样式标记故事内容

使用包含故事内容的文本框

注释