Question

我需要解析大量的Word文档。由于它们都是从同一个模板创建的，我认为最好的方法是将它们保存为HTML文件并解析HTML本身。

虽然将单个Word文档保存为HTML非常容易，但我还没有找到从Word内部执行批量过程的方法。因此，我正试图找到一种方法来利用Microsoft Office / Word API来实现这一目标。

如何使用Word API将许多Word文档另存为HTML？

提前致谢。

更新：更多细节......

某些文档的扩展名为.doc，而其他文档为.docx。我希望这不是问题，但如果是，我只需要将它们全部转换为.docx，希望使用API或DocX。

说到DocX，我saw on the author's blog可以使用以下代码将.docx文件保存为HTML：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using Word = Microsoft.Office.Interop.Word;
using Microsoft.Office.Interop.Word;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            // Convert Input.docx into Output.doc
            Convert(@"C:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.doc", WdSaveFormat.wdFormatDocument);

            /*
             * Convert Input.docx into Output.pdf
             * Please note: You must have the Microsoft Office 2007 Add-in: Microsoft Save as PDF or XPS installed
             * http://www.microsoft.com/downloads/details.aspx?FamilyId=4D951911-3E7E-4AE6-B059-A2E79ED87041&displaylang=en
             */
            Convert(@"c:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.pdf", WdSaveFormat.wdFormatPDF);

            // Convert Input.docx into Output.html
            Convert(@"c:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.html", WdSaveFormat.wdFormatHTML);
        }

        // Convert a Word 2008 .docx to Word 2003 .doc
        public static void Convert(string input, string output, WdSaveFormat format)
        {
            // Create an instance of Word.exe
            Word._Application oWord = new Word.Application();

            // Make this instance of word invisible (Can still see it in the taskmgr).
            oWord.Visible = false;

            // Interop requires objects.
            object oMissing = System.Reflection.Missing.Value;
            object isVisible = true;
            object readOnly = false;
            object oInput = input;
            object oOutput = output;
            object oFormat = format;

            // Load a document into our instance of word.exe
            Word._Document oDoc = oWord.Documents.Open(ref oInput, ref oMissing, ref readOnly, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref isVisible, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

            // Make this document the active document.
            oDoc.Activate();

            // Save this document in Word 2003 format.
            oDoc.SaveAs(ref oOutput, ref oFormat, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

            // Always close Word.exe.
            oWord.Quit(ref oMissing, ref oMissing, ref oMissing);
        }
    }
}

这是最好的方法吗？

Answer 1

您上面发布的代码应该为您完成工作。另据我所知Document.SaveAs Api可以转换任何文件（docx，doc，rtf），它可以用Word打开HTML（或任何其他格式）

也不是为每个文件创建一个单词应用程序实例，而是将名称的字符串[]传递给convert api，并且只有在完成“另存为”后才处置文档实例

通过Office API将多个Word文档另存为HTML

1 个答案: