Question

如何使用F＃读取.docx文件。如果我使用

System.IO.File.ReadAllText("D:/test.docx")

它会给我一些垃圾输出并发出哔哔声。

Answer 1

这是一个可以为您提供快速启动的F＃代码段。它成功地将Word2010创建的.docx文件的所有文本内容提取为一串连接的行：

open System
open System.IO
open System.IO.Packaging
open System.Xml

let getDocxContent (path: string) =
    use package = Package.Open(path, FileMode.Open)
    let stream = package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream()
    stream.Seek(0L, SeekOrigin.Begin) |> ignore
    let xmlDoc = new XmlDocument()
    xmlDoc.Load(stream)
    xmlDoc.DocumentElement.InnerText

printfn "%s" (getDocxContent @"..\..\test.docx")

为了使其正常工作，请不要忘记在VS项目中引用WindowsBase.dll。

Answer 2

.docx文件遵循Open Packaging Convention规范。在最低级别，它们是.ZIP文件。要以编程方式阅读，请参阅此处的示例：

A New Standard For Packaging Your Data

Packages and Parts

使用F＃，它是相同的故事，您必须使用System.IO.Packaging Namespace中的类。

Answer 3

尝试使用Microsoft的OpenXML SDK。

链接页面上还有可用于反编译Office 2007文件的Microsoft工具。即使对于简单的文档，反编译的代码也可能非常冗长，但请注意。与OpenXML SDK相关的学习曲线很大。我发现它很难使用。

Answer 4

System.IO.File.ReadAllText的类型为string -> string。

因为.docx文件是二进制文件，所以字符串中的某些字符可能具有贝尔字符。而不是ReadAllText，请查看Word automation，Packaging或OpenXML API

如何使用F＃读取.docx文件

4 个答案: