Question

当我尝试使用DocumentFormat.OpenXml dll读取.doc文件时，它的错误为“文件包含损坏的数据。”

这个dll正在正确读取.docx文件。

DocumentFormat.OpenXml dll可以帮助读取.doc文件吗？

string path = @"D:\Data\Test.doc";
string searchKeyWord = @"java";

private bool SearchWordIsMatched(string path, string searchKeyWord)
{
    try
    {
       using (WordprocessingDocument wordDoc = WordprocessingDocument.Open(path, true))
       {
           var text = wordDoc.MainDocumentPart.Document.InnerText;
           if (text.Contains(searchKeyWord))
               return true;
           else
               return false;
       }
     }
     catch (Exception ex)
     {
         throw ex;
     }
}

Answer 1

旧的.doc文件与新的.docx文件格式完全不同。所以，不，你不能使用OpenXml库来读取.doc文件。

为此，您需要先手动转换文件，或者需要使用Office互操作，而不是现在使用的Open XML SDK。

Answer 2

我担心没有比已经给出的答案更好的答案。 Microsoft Word DOC格式是二进制格式，而诸如DOCX的OpenXML格式是压缩XML文件。 OpenXml框架仅用于后者。

根据建议，您拥有的唯一其他选项是使用Word互操作或第三方库转换DOC - ＆gt; DOCX，然后您可以使用OpenXml库。

Answer 3

.doc（如果使用较早版本的Microsoft Word创建）与.docx（基本上是带有一些XML文档的zip文件）的结构不同。

如果您的.doc是'unzippable'（只需将.doc扩展程序重命名为.zip）以进行探测，则必须手动将.doc转换为{{ {1}}。

Answer 4

您可以使用IFilterTextReader。

TextReader reader = new FilterReader(path);
using (reader)
{
    txt = reader.ReadToEnd();
}

您可以查看http://www.codeproject.com/Articles/13391/Using-IFilter-in-C

使用DocumentFormat.OpenXml dll读取.Doc文件

4 个答案: