Как получить текст из документа Word (DOCX) в C#?

Question

Я пытаюсь получить простой текст из текстового документа. В частности, xpath доставляет мне неприятности. Как вы выбираете теги? Вот код, который у меня есть.

public static string TextDump(Package package)
{
    StringBuilder builder = new StringBuilder();

    XmlDocument xmlDoc = new XmlDocument();
    xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());

    foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t"))
    {
        builder.AppendLine(node.InnerText);
    }
    return builder.ToString();
}

Answer 1

Ваша проблема - пространства имен XML. SelectNodes не знаю как перевести <w:t/> в полное пространство имен. Поэтому вам нужно использовать перегрузку, которая занимает XmlNamespaceManager как второй аргумент. Я немного изменил ваш код, и он, кажется, работает:

    public static string TextDump(Package package)
    {
        StringBuilder builder = new StringBuilder();

        XmlDocument xmlDoc = new XmlDocument();
        xmlDoc.Load(package.GetPart(new Uri("/word/document.xml", UriKind.Relative)).GetStream());
        XmlNamespaceManager mgr = new XmlNamespaceManager(xmlDoc.NameTable);
        mgr.AddNamespace("w", "http://schemas.openxmlformats.org/wordprocessingml/2006/main");

        foreach (XmlNode node in xmlDoc.SelectNodes("/descendant::w:t", mgr))
        {
            builder.AppendLine(node.InnerText);
        }
        return builder.ToString();
    }

Answer 2

Взгляните на Open XML Format SDK 2.0. Есть несколько примеров того, как обрабатывать документы, например.

Хотя я не использовал его, есть библиотека Open Office XML C#, на которую вы также можете взглянуть.