Question

Word 2007以.docx格式保存文档，这个文件实际上是一个zip文件，里面有很多东西，包括带文档的xml文件。

我希望能够获取.docx文件并将其放入我的asp.net Web应用程序中的文件夹中，并让代码打开.docx文件并将（xml部分）文档呈现为网页

我一直在网上搜索关于此的更多信息，但到目前为止还没有找到太多信息。我的问题是：

您是否（a）使用XSLT将XML转换为HTML，或者（b）使用.net中的xml操作库（例如3.5中的XDocument和XElement）转换为HTML或（c）其他？
你知道有哪些开源库/项目可以作为起点使用吗？

谢谢！

Answer 1

试试这个post？我不知道，但可能是你在找什么。

Answer 2

我写了mammoth.js，这是一个将docx文件转换为HTML的JavaScript库。如果你想在.NET中进行渲染服务器端，那么还有一个.NET版本的Mammoth available on NuGet。

Mammoth尝试通过查看语义信息来生成干净的HTML - 例如，将Word中的段落样式（例如Heading 1）映射到HTML / CSS中的适当标记和样式（例如<h1> ）。如果你想要能产生精确视觉副本的东西，那么猛犸可能不适合你。如果你的某些内容已经结构良好，并希望将其转换为整洁的HTML，那么猛犸可能会做到这一点。

Answer 3

Word 2007有一个可用于转换为HTML的API。这是一篇讲述它的帖子http://msdn.microsoft.com/en-us/magazine/cc163526.aspx。您可以找到有关API的文档，但我记得API中有一个转换为HTML函数。

Answer 4

此代码有助于将.docx文件转换为文本

function read_file_docx($filename){

    $striped_content = '';
    $content = '';

    if(!$filename || !file_exists($filename)) { echo "sucess";}else{ echo "not sucess";}

    $zip = zip_open($filename);

    if (!$zip || is_numeric($zip)) return false;

    while ($zip_entry = zip_read($zip)) {

        if (zip_entry_open($zip, $zip_entry) == FALSE) continue;

        if (zip_entry_name($zip_entry) != "word/document.xml") continue;

        $content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));

        zip_entry_close($zip_entry);
    }// end while

    zip_close($zip);

    //echo $content;
    //echo "<hr>";
    //file_put_contents('1.xml', $content);     

    $content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content);
    $content = str_replace('</w:r></w:p>', "\r\n", $content);
     //header("Content-Type: plain/text");


    $striped_content = strip_tags($content);


      $striped_content = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$striped_content);

    echo nl2br($striped_content); 
}

Answer 5

我正在使用Interop。这有些问题但在大多数情况下都能正常工作。

using System.Runtime.InteropServices;
using Microsoft.Office.Interop.Word;

这个返回html转换文档列表＆＃39;路径

public List<string> GetHelpDocuments()
    {

        List<string> lstHtmlDocuments = new List<string>();
        foreach (string _sourceFilePath in Directory.GetFiles(""))
        {
            string[] validextentions = { ".doc", ".docx" };
            if (validextentions.Contains(System.IO.Path.GetExtension(_sourceFilePath)))
            {
                sourceFilePath = _sourceFilePath;
                destinationFilePath = _sourceFilePath.Replace(System.IO.Path.GetExtension(_sourceFilePath), ".html");
                if (System.IO.File.Exists(sourceFilePath))
                {
                    //checking if the HTML format of the file already exists. if it does then is it the latest one?
                    if (System.IO.File.Exists(destinationFilePath))
                    {
                        if (System.IO.File.GetCreationTime(destinationFilePath) != System.IO.File.GetCreationTime(sourceFilePath))
                        {
                            System.IO.File.Delete(destinationFilePath);
                            ConvertToHTML();
                        }
                    }
                    else
                    {
                        ConvertToHTML();
                    }

                    lstHtmlDocuments.Add(destinationFilePath);
                }
            }


        }
        return lstHtmlDocuments;
    }

这个将doc转换为html。

private void ConvertToHtml()
    {
        IsError = false;
        if (System.IO.File.Exists(sourceFilePath))
        {
            Microsoft.Office.Interop.Word.Application docApp = null;
            string strExtension = System.IO.Path.GetExtension(sourceFilePath);
            try
            {
                docApp = new Microsoft.Office.Interop.Word.Application();
                docApp.Visible = true;

                docApp.DisplayAlerts = WdAlertLevel.wdAlertsNone;
                object fileFormat = WdSaveFormat.wdFormatHTML;
                docApp.Application.Visible = true;
                var doc = docApp.Documents.Open(sourceFilePath);
                doc.SaveAs2(destinationFilePath, fileFormat);
            }
            catch
            {
                IsError = true;
            }
            finally
            {
                try
                {
                    docApp.Quit(SaveChanges: false);

                }
                catch { }
                finally
                {
                    Process[] wProcess = Process.GetProcessesByName("WINWORD");
                    foreach (Process p in wProcess)
                    {
                        p.Kill();
                    }
                }
                Marshal.ReleaseComObject(docApp);
                docApp = null;
                GC.Collect();
            }
        }
    }

杀死这个词并不好玩，但不能让它挂在那里阻挡他人，对吧？

在web / html中我将html渲染为iframe。

有一个下拉列表，其中包含帮助文档列表。值是html版本的路径，text是文档的名称。

private void BindHelpContents()
    {
        List<string> lstHelpDocuments = new List<string>();
        HelpDocuments hDoc = new HelpDocuments(Server.MapPath("~/HelpDocx/docx/"));
        lstHelpDocuments = hDoc.GetHelpDocuments();
        int index = 1;
        ddlHelpDocuments.Items.Insert(0, new ListItem { Value = "0", Text = "---Select Document---", Selected = true });

        foreach (string strHelpDocument in lstHelpDocuments)
        {
            ddlHelpDocuments.Items.Insert(index, new ListItem { Value = strHelpDocument, Text = strHelpDocument.Split('\\')[strHelpDocument.Split('\\').Length - 1].Replace(".html", "") });
            index++;
        }
        FetchDocuments();

    }

对选定的索引进行了更改，将其重新加入框架

    protected void RenderHelpContents(object sender, EventArgs e)
    {
        try
        {
            if (ddlHelpDocuments.SelectedValue == "0") return;
            string strHtml = ddlHelpDocuments.SelectedValue;
            string newaspxpage = strHtml.Replace(Server.MapPath("~/"), "~/");
            string pageVirtualPath = VirtualPathUtility.ToAbsolute(newaspxpage);// 
            documentholder.Attributes["src"] = pageVirtualPath;
        }
        catch
        {
            lblGError.Text = "Selected document doesn't exist, please refresh the page and try again. If that doesn't help, please contact Support";
        }
    }

如何使用asp.net将.docx转换为html？

5 个答案: