C#读取word数据

时间:2022-06-19 ViperL1 人气:0

前些日子有一个项目需要从word文件中取表格数据并进行处理，网上大部分方案都是基于office的com组件实现，但是这样有一个缺点，如果电脑里没有安装office将无法使用，因为之前操作excel都是使用的NPOI，所以理所当然的想用NPOI解决此问题。

于是找到了如下代码

private List<string> GetDoc(string Path)
        {
            if (Path == "")
                return null;    //文件路径为空
            List<string> Result = new List<string>();    //结果容器
 
            FileStream stream = new FileStream(Path, FileMode.Open);    //打开流
            XWPFDocument docx = new XWPFDocument(stream);
            var list = new List<XWPFTableCell>();
 
            //循环遍历表格内容
            foreach (var row in docx.Tables[0].Rows)
            {
                foreach (var cell in row.GetTableCells())
                {
                    if (!list.Contains(cell))
                    {
                        list.Add(cell);
                        Result.Add(cell.GetText());
                    }
                }
            }
            stream.Close();
            return Result;    //关闭文件流（很关键，否则会导致下一个文件无法大开）
 
        }

但是这样做又有一个缺点，NPOI仅支持.docx格式的文件，如果读取.doc会直接报错！

于是后续又找到了另一开源组件freeSpire。有如下代码

        private List<string> GetDocX(string Path)
        {
            if (Path == "")
                return null;    //文件路径为空
            List<string> Result = new List<string>();
 
            Spire.Doc.Document doc = new Spire.Doc.Document();
            doc.LoadFromFile(Path);
 
            TextBox textbox = doc.TextBoxes[0];
            Spire.Doc.Table table = textbox.Body.Tables[0] as Spire.Doc.Table;
 
            foreach (TableRow row in table.Rows)
            {
                foreach (TableCell cell in row.Cells)
                {
                    foreach (Paragraph paragraph in cell.Paragraphs)
                    {
                        Result.Add(paragraph.Text);
                    }
                }
            }
            return Result;
        }

但是不知道什么原因，并不能抓取.doc文件中的表格。

随后尝试了其getText()函数确定可以直接抓取文字内容，初步判断可能是格式问题。

有考虑过自己写匹配函数对文本内容进行分析，但由于格式过于复杂，很多通用性问题无法解决后放弃。如果格式不复杂的话，也不失为一种解决方法。

最后采用的方法是先利用Spire组件将.doc转换为.docx后再利用NPOI进行内容处理，效果拔群！！！

        private string ChangeToDocx(string Path)
        {
            if (Path == "")
                return "";    //文件路径为空
            List<string> Result = new List<string>();
 
            Spire.Doc.Document doc = new Spire.Doc.Document();
            doc.LoadFromFile(Path);    //打开文件
            Path.Replace(".doc", "docx");    //替换后缀
            doc.SaveToFile(Path, FileFormat.Docx);    //保存为.doc
            return Path;
        }

主函数中调用如下：（若不是.doc则无需转换以节约开销）

if (Path.Contains(".doc"))
{
    string newPath = ChangeToDocx(Path);
    result = GetDoc(newPath);
}
result = GetDoc(Path);

加载全部内容