使用dot net或Java解析Word文档的内容

Question

我希望有人可以帮助解析MS Word。基本上我需要解析Word文档的内容并使用结果值来形成一个地图。实际上Word会有这样的内容：

Key1: Value1
Key2: Value2
KeyKey1: Key11: Value11
         Key12: Value12
KeyKey2:
  Key21: Value21
  Key22: Value22

文档将具有表或键值对（也是键 - 键值）。我们需要识别或区分密钥和密钥。 keykey，需要解析文档并将其插入到地图中。目前我正在研究手动解析，这看起来像是对数值的硬编码。例如，如何将key1与keykey1和key1从keykey2区分开来 请提出一些方法来解析word文档或库的内容，以便用C＃或Java进行解析。

任何帮助将不胜感激。提前谢谢。

Answer 1

您需要查看文档的内容吗？为此，您可以将Apache POI与Java一起使用。我们在应用程序中使用它没有任何问题。我们都读取和写入Word和Excel文档。文档非常完整，API非常简单。

Answer 2

目前最好的图书馆是Apache tika也是如此。它支持多种文档类型，并且只涉及编写几行代码。你可以阅读这篇文章 http://www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Content-Extraction-Tika 如果你忽略了与solr相关的代码，那么提取pdf内容的代码只有5-6行。

Answer 3

您可以查看Java API For Microsoft documents来解析Java中的word文档。